图像识别是人工智能的一个重要领域，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术，并对质量不佳的图像进行一系列的增强与重建技术手段，从而有效改善图像质量。
今天所指的图像识别并不仅仅是用人类的肉眼，而是借助计算机技术进行识别。虽然人类的识别能力很强大，但是对于高速发展的社会，人类自身识别能力已经满足不了我们的需求，于是就产生了基于计算机的图像识别技术。
这就像人类研究生物细胞，完全靠肉眼观察细胞是不现实的，这样自然就产生了显微镜等用于精确观测的仪器。通常一个领域有固有技术无法解决的需求时，就会产生相应的新技术。图像识别技术也是如此，此技术的产生就是为了让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识别率特别低的信息。
一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理。随着计算机及信息技术的迅速发展，图像识别技术的应用逐渐扩大到诸多领域，尤其是在面部及指纹识别、卫星云图识别及临床医疗诊断等多个领域日益发挥着重要作用。
通常图像识别技术主要是指采用计算机按照既定目标对捕获的系统前端图片进行处理，在日常生活中图像识别技术的应用也十分普遍，比如车牌捕捉、商品条码识别及手写识别等。随着该技术的逐渐发展并不断完善，未来将具有更加广泛的应用领域。
图像识别以开放API（ApplicationProgrammingInterface，应用程序编程接口）的方式提供给用户，用户通过实时访问和调用API获取推理结果，帮助用户自动采集关键数据，打造智能化业务系统，提升业务效率。
图像识别的发展经历了三个阶段：
值得注意的是，由于计算机归根结底不同于人类的大脑，所以计算机提取出的图像特征存在着不稳定性，这种不稳定性往往会因为计算机提取图像特征的明显与普通影响图像识别的效率与准确性，由此可见图像特征对于AI中图像识别技术的重要意义。
计算机的图像识别技术就是模拟人类的图像识别过程，在图像识别的过程中进行模式识别是必不可少的。简单地说，计算机的模式识别就是对数据进行分类，它是一门与数学紧密结合的科学，其中所用的思想大部分是概率与统计。模式识别主要分为三种：统计模式识别、句法模式识别、模糊模式识别。
对于当下AI+时代的图像识别技术来说，神经网络的图像识别与非线性降维的图像识别是最为常见的两种图像识别技术。
在AI领域之中，图像识别技术占据着极为重要的地位，而随着计算机技术与信息技术的不断发展，AI中的图像识别技术的应用范围不断扩展：IBM的Watson医疗诊断、各种指纹识别、及常用的支付宝的面部识别以及百度地图中全景卫星云图识别等都属于这一应用的典型，AI这一技术已经应用于日常生活之中，图像识别技术将来定会有着较为广泛的运用。
移动互联网、智能手机以及社交网络的发展带来了海量图片信息，不受地域和语言限制的图片逐渐取代了繁琐而微妙的文字，成为了传词达意的主要媒介。但伴随着图片成为互联网中的主要信息载体，难题随之出现。