Semantiskā segmentācija katram attēla pikselim piešķir klasi, piemēram, ceļš, transportlīdzeklis, cilvēks vai debesis. Rezultāts ir sava veida krāsu kodēta attēla satura karte. Atšķirībā no instanču segmentācijas viena veida objekti netiek nošķirti: trīs automašīnas tiek aplūkotas kopā kā „automašīna”. To izmanto, piemēram, autonomajā braukšanā, medicīniskajā attēlveidošanā audu norobežošanai un gaisa un satelītattēlu analīzē.
Instanču segmentēšana ir datorredzes paņēmiens, kas attēlā atklāj katru atsevišķu objektu un apvelk to ar pikseļu precizitāti. Atšķirībā no semantiskās segmentēšanas tā nošķir arī vienas klases objektus: trīs cilvēki saņem trīs atsevišķas maskas, nevis vienu kopīgu apgabalu. To izmanto, piemēram, kvalitātes kontrolē, medicīniskajā attēlveidošanā, robotikā vai produktu skaitīšanā plauktā.
Datorredze ir MI joma, kurā datori interpretē attēlus un video. Tipiski uzdevumi ir objektu noteikšana un lokalizēšana, teksta nolasīšana attēlos un detaļu mērīšana. Šo tehnoloģiju izmanto, piemēram, kvalitātes kontrolē ražošanā, vadītāja palīgsistēmās, loģistikā un medicīniskajā attēldiagnostikā.
Attēlu atpazīšana ir datorredzes joma, kurā programmatūra nosaka, kas attēlā redzams – objekti, cilvēki, teksts, logotipi vai ainas. Tās pamatā parasti ir neironu tīkli, kas apmācīti ar lielu skaitu marķētu attēlu. Lietojumi ir no kvalitātes kontroles ražošanā un produktu fotoattēlu šķirošanas līdz medicīniskās attēldiagnostikas atbalstam. Attēlos ar cilvēkiem īpaša uzmanība jāpievērš datu aizsardzībai un iespējamai neobjektivitātei.
Konvolūcijas neironu tīkls (CNN) ir neironu tīkla arhitektūra, kas īpaši piemērota attēlu datiem. Tas skenē ievadi ar maziem filtriem, pirmajos slāņos atpazīstot vienkāršas pazīmes, piemēram, malas, un dziļākajos – sarežģītākas formas. CNN daudzus gadus noteica attēlu atpazīšanas attīstību, un tos izmanto, piemēram, defektu pamanīšanai produktu fotoattēlos vai medicīnisko attēlu analīzē.
