A szakdolgozatom célja azt volt, hogy gépi tanulást használva egy olyan alkalmazást készítsek el, amely képes igazolványok, tagsági kártyák elkészítésére és felismerésére.A legutóbbi áttörések a mesterséges intelligencia és a gépi tanulás területén a mély neurális hálók (különösen a konvolúciós neurális hálózatok) megjelenésének köszönhetőek. Ezek széles körben alapvető elemei lettek olyan alkalmazásoknak és kereskedelmi célú projekteknek, mint a számítógépes kép-, szöveg-, hangfelismerés. A mély neurális hálózatok bevezetése aktívan hatott a gépi tanulással kapcsolatos kutatásokra és számos előnyt biztosít különböző alkalmazásokban. Az így elért teljesítmény az objektumok felismerésében és osztályozásában, illetve a bizonyítási feladatokban már felveszi a versenyt az emberrel, vagy akár túl is szárnyalja. A mély tanulási módszerek továbbra is uralják a gépi tanulást és jelenleg a legfontosabb részét képezik a mesterséges intelligenciának. A növekedés nagyrészt annak is köszönhető, hogy a processzor helyett egyes számításokat már a videokártyán végeznek és újabb architektúrájú neurális hálókat fejlesztettek ki. A big data megjelenésével olyan nagymértékű adatmennyiség áll rendelkezésünkre, amelyek segítségével a neurális hálózatokat lehetőségünk van az üzleti igényeink szerint tanítani. A mély neurális hálózatok, mint például a konvolúciós neurális hálózatok, vagy a hosszú-rövid időtartamú memóriahálózatok széles felhasználásra tettek szert az olyan alkalmazásokban, amelyek számítógépes látás vagy mintafelismeréssel foglalkoznak. Például ilyenek lehetnek azok, ahol a cél az objektumok felismerése és osztályozása a képeken, a képek helyreállítása, a valós idejű felismerés, a számítógépes játékok, a fordítás, vagy akár a beszédhang generálása