近期，关于谷歌、Facebook、IBM、英特尔和微软等大公司涉足深度学习领域的消息纷纷占据了各家媒体的头条；在某些场景中，经过深度学习技术训练的机器在识别图像时比人类更好，比如识别猫、识别血液中的癌细胞特征、识别MRI扫描图片中的肿瘤。

最近，一些机器视觉软件公司已经在他们的产品中部署了深度学习技术，另外也有一些公司的全部产品都是基于该技术的。以瑞士ViDi Systems公司为例，这家公司在今年早些时候被康耐视收购。ViDi Systems公司由计算神经科学博士Reto Wyss于2012年创立，该公司开发的软件使用人工智能技术，用于改善应用中的图像分析，而这些应用都难以预测全方位的图像变化。
经典的几何图案发现和边缘检测，仍然是为机器人引导或其他精确测量提供亚像素级精度的最佳方法。深度学习在零件质量的类人判断和其他基于样本的决策中最具价值性，因为它是通过样本进行训练的，它不再需要之前的检测应用所需要的高级视觉技能。深度学习作为传统机器视觉的一种补充。
韩国SUALAB公司最近发布了SuaKIT检测软件，这是一个基于各个工业场所产生的实际图像数据的库，具有分割和分类的主要功能。当软件的深度学习算法被教授正常产品和缺陷产品的新图像时（教授速度：在30分钟内学习多达1000幅分辨率为2048×2048的图像），使用神经网络来自动识别缺陷的值。
即使没有丰富编程经验的用户也可以使用该软件，因为它不需要针对逐个实例进行编程，而是通过收集和输入有关缺陷的数据、通过自学来工作的。SuaKIT还可以通过CUDA（统一计算设备架构）技术，使用高性能GPU来实现数据的高速处理。
“使用深度学习，检测过程中的错误可以大大减少，因为它是建立在能够进行自学习并进一步自我完善的系统之上的；这些都是通过简单地收集和输入缺陷数据来实现的。”SUALAB公司业务组副经理Hanjun Kim说道，“深入学习加上CUDA技术，使得SuaKIT即使在需要高速度的制造过程中，也能表现出更高水平的性能（超过传统方法）。”
德国MVTec公司也将深度学习技术融入了其著名的HALCON和MERLIC机器视觉软件产品中。自HALCON 13版本开始，MVTec就在提供基于深度学习的光学字符识别（OCR）。现在，HALCON软件中包含一个基于深度学习技术的OCR分类器，其可以通过许多预训练字体使用。MVTec表示，有了这些功能，其在OCR方面将有望获得比之前所有分类方法更快的读取速度。
此外，MVTec发布的新闻稿中也表示，随着新版本HALCON软件的即将发布，客户可以基于深度学习算法进行卷积神经网络（CNN）培训。然后，可以使用培训过的网络来自动分类对应于预定义类别的图像数据。
有了深度学习，机器学习才有了许多实际的应用，它还拓展了AI的整体范围。 深度学习将任务分拆，使得各种类型的机器辅助变成可能。无人驾驶汽车、更好的预防性治疗、更好的电影推荐要么已经出现，要么即使出现。AI既是现在，也是未来。未来,随着越来越多的用户在他们的应用中成功地部署该技术，深度学习技术将在市场上越来越流行。