Sieci konwolucyjne dominują w najnowocześniejszych zadaniach z zakresu widzenia komputerowego. Głębokie sieci CNN, które stały się powszechne od 2014 roku, zapewniają poprawę wyników w testach porównawczych. Większe modele podnoszą jakość przy wystarczającej ilości danych, ale wymagają wydajności w zastosowaniach mobilnych i przy pracy z dużymi zbiorami danych. Konwolucje czynnikowe pozwalają na wydajne skalowanie obliczeń. Agresywna regularyzacja ogranicza nadmierne dopasowanie. Pojedynczy model osiąga 21,2% błędu top-1 i 5,6% błędu top-5 w walidacji ILSVRC 2012. Osiąga to przy 5 miliardach mnożeń i dodawań na wnioskowanie. Wykorzystuje mniej niż 25 milionów parametrów. Zespół 4 modeli z oceną multi-crop osiąga 3,5% błędu walidacyjnego top-5. Błąd top-5 w zestawie testowym wynosi 3,6%. Błąd top-1 w walidacji wynosi 17,3%. Metody przewyższają dotychczasowe osiągnięcia w tej dziedzinie.