一、图像识别利用人工智能技术自动识别图像中的物体、人物、位置和动作。图片识别被用来完成一些任务，比如用描述性的标签标记图像，搜索图像的内容，引导机器人，自动驾驶汽车和辅助驾驶系统。
对人和动物来说，图像识别是一项很自然的工作，但对计算机来说却是一项非常困难的工作。近二十年来，计算机视觉领域开始兴起，开发出各种具有挑战性的工具和技术。当前应用于图像识别任务最有效的工具是深层神经网络，尤其是卷积神经网络(CNN)。CNN是一种用于高效处理、关联和理解高分辨率图像中大量数据的架构。
二、图像识别是怎样工作的？
人类的眼睛把图象看作是由大脑视觉皮质来解释的信号。所得到的结果是一个与存储在内存中的对象和概念相链接的场景经验。影像识别就是模拟这个过程。电脑是一组向量(带彩色注解的多边形)或栅格(具有离散颜色数值的像素画布)来“看见”图像。
神经网络图像识别中，将图像的矢量编码或栅格编码转换成描述物理对象和特征的结构。在计算机视觉系统中，先对图像进行简化，提取最重要信息，再进行特征提取和分类，对这些结构进行组织。最终，计算机视觉系统利用分类或其它算法确定图像或图像的一部分——它们属于哪类，或者如何最好地描述它们。
三、图像识别的算法。
图像识别的算法之一是图像分类器。该方法将图像(或图像的一部分)作为输入和预测其包含的内容。输出为分类标签，如狗，猫，桌子等。这个算法需要用来学习和分类区域。
如果想要创建一个能识别带有狗的图像的分类算法，将训练神经网络，包含数千条狗的图像，以及数以千计的无狗图片。通过学习提取识别“狗”物体的特征，并正确地分类包含狗的图像。大部分图像识别算法都是分类器，其它算法则可以用来执行更复杂的行为。循环神经网络可以用来自动地写出图像内容的标题。
