La vision par ordinateur est à la fois un sous-domaine du deep learning et de l'apprentissage par machine qui combine des caméras, des ressources en périphérie ou dans le cloud, des logiciels, du deep learning et des CNN pour former des réseaux neuronaux qui guident les systèmes dans leur traitement et leur analyse d'images. 

Une fois qu'un réseau neuronal a été formé et optimisé, il est déployé en tant que modèle pour effectuer des inférences, c'est-à-dire classer, reconnaître et traiter de nouvelles entrées et faire de nouvelles prédictions.