- Máquinas de vectores de soporte
Estas máquinas realizan histogramas de imágenes que contienen los objetos objetivo y también de imágenes que no los contienen. Los algoritmos compraran los parámetros de varias partes de la imagen para comprobar si hay coincidencias.
- Modelos de bolsa de características
Estos modelos toman la imagen que se va a escanear y una foto de muestra del objeto que se va a encontrar en aras de hacer coincidir los rasgos de la foto de muestra con varias partes de la imagen de destino para ver si se encuentran coincidencias.
Quizás uno de los más conocidos, Viola-Jones es un algoritmo de reconocimiento facial muy utilizado en la época anterior a las redes neuronales convolucionales, pues escanea rostros y extrae características que se compraran en una serie de clasificadores.
Para encontrar una coincidencia con éxito, una imagen de prueba debe generar un resultado positivo de cada uno de estos clasificadores.
- Modelos de reconocimiento de imágenes con Deep Learning
El Deep learning ha potenciado el desarrollo de programas de reconocimiento de imágenes como YOLO, SSD y RCNN, que utilizan capas de convolución para analizar una imagen o fotografía.