در عصر حاضر، حجم بسیار زیادی از داده‌های بصری تولید می‌شود — عکس، اسکن، ویدیو — و استخراج معنا و اطلاعات از این نوع داده‌ها برای کسب‌وکارها، استارتاپ‌ها، و توسعه دهندگان امری مهم است. سرویس ویژن ‌Vision API از گوگل، بخشی از مجموعه خدمات هوش مصنوعی و ماشین لرنینگ Google Cloud است که این امکان را می‌دهد تا این داده‌های بصری را با مدل‌های از پیش آموزش‌دیده تحلیل کنیم.