تشخیص اشیاء یک کار بینایی ماشین مهم است که برای شناسایی نمونه هایی از اشیاء بصری کلاس های خاص (مثلاً انسان ها، حیوانات، اتومبیل ها یا ساختمان ها) در تصاویر دیجیتالی مانند عکس ها یا فریم های ویدیو استفاده می شود. هدف از تشخیص اشیاء، توسعه مدل های محاسباتی است که اساسی ترین اطلاعات مورد نیاز برنامه های بینایی ماشین را ارائه می کند و همچنین افزودن درک تصاویر همانند انسان به رایانه می باشد. حال چالش موجود این می باشد که کدام یک از الگوریتم های تشخیص اشیاء عملکرد قابل قبولی از نظر دقت و زمان پاسخ را دارد. پژوهشگران دیگر نیز این موضوع را برای الگوریتم های تشخیص اشیاء که از فناوری شبکه عصبی بهره مند می باشند مورد بحث و بررسی قرار داده اند و به نتایج قابل قبولی رسیده اند. حال ما درنظر داریم الگوریتم هایی که از فناوری شبکه عصبی استفاده می کنند را با الگوریتم هایی که از این فناوری استفاده نمی کنند را مورد بحث و بررسی قرار دهیم. در این مقاله ما به این نتیجه می رسیم که الگوریتم هایی که از فناوری شبکه عصبی و یادگیری عمیق را استفاده می کنند نیازمند قدرت محاسباتی بالا هستند به تبع زمان پاسخ آن ها پایین و از دقت بالایی در تشخیص اشیاء برخوردار هستند.