কম্পিউটার ভিশন মডেল ছবিতে কী আছে তা চেনে: গাড়ি গোনা, ফসলের রোগ ধরা, মুখ শনাক্ত করা, বা কাগজের লেখা পড়া (OCR)।
YOLO-র মতো মডেল ভিডিওতে রিয়েল-টাইমে বস্তু শনাক্ত করে; নিজের ছবি দিয়ে ফাইন-টিউন করলে নির্দিষ্ট কাজে খুব নির্ভুল হয়।
উদাহরণ
ঢাকার মোড়ের ক্যামেরা থেকে রিকশা আর বাস আলাদা করে গোনা।
In English: Computer vision — Understanding images and video — detecting objects, counting, reading text (OCR).