Se utilizan dos tecnologías básicas para conseguir esto: un tipo de machine learning denominado deep learning y una red neuronal convolucional (CNN, por sus siglas en inglés).

Machine learning utiliza modelos algorítmicos que permiten a un ordenador enseñarse a sí mismo el contexto de los datos visuales. Si se introducen suficientes datos a través del modelo, el ordenador «mirará» los datos y aprenderá a diferenciar una imagen de otra. Los algoritmos permiten que la máquina aprenda por sí misma, en lugar que alguien la programe para que reconozca una imagen.

Una CNN ayuda a un modelo de machine learning o deep learning a «mirar» desglosando las imágenes en píxeles a los cuales se asignan etiquetas.  Entonces consigue reconocer o ver imágenes de una manera similar a los humanos.

La clasificación de imágenes ve una imagen y la puede clasificar (un perro, una manzana, la cara de una persona). Más concretamente, es capaz de prever con precisión que una determinada imagen pertenece en una clase específica. 

La detección de objetos puede utilizar la clasificación de imágenes para identificar una determinada clase de imagen y después detectar y tabular su apariencia en una imagen o video. 

El rastreo de objetos sigue o rastrea un objeto una vez detectado. Esta tarea a menudo se ejecuta con imágenes capturadas en secuencias o transmisiones de video en tiempo real. 

La recuperación de imágenes basada en contenido utiliza la visión artificial para examinar, buscar y recuperar imágenes de grandes almacenes de datos, en función del contenido de las imágenes en lugar de las etiquetas de metadatos asociados.