În ultimii ani se vorbeşte din ce în ce mai mult despre inteligenţa artificială. Ceea ce stă de fapt în spatele inteligenţei artificiale astăzi poate fi rezumat pe scurt prin sintagma „reţele neuronale artificiale“, la care mai nou a fost adăugat adjectivul „adânci“. Aplicaţiile bazate pe acestea au ajuns să egaleze şi chiar să depăşească performanţa umană în multe domenii. Unul dintre primele domenii în care au fost dezvoltate şi în care au căpătat o largă răspândire este cel al vederii artificiale, respectiv al recunoaşterii / clasificării de imagini. Fără pretenţia de a acoperi complet subiectul, ne propunem în lucrarea de faţă o trecere în revistă, încercând să surprindem cât mai intuitiv posibil câteva elemente şi repere esenţiale asupra istoriei şi evoluţiei reţelelor neuronale artificiale, cu noua perspectivă oferită în ultima perioadă de disponibilitatea datelor masive (Big Data) utilizate în conjuncţie cu acestea, ca factor de importanţă majoră complementar, sinergic şi convergent alături de calitatea şi performanţele algoritmilor deep learning implicaţi. De asemenea, analizăm elementele şi mecanismele care definesc şi compun reţelele convoluţionale în general, funcţionarea şi specificul acestora cu aplicare în vederea artificială, precum şi două dintre primele astfel de arhitecturi de referinţă, AlexNet şi VGGNet, cu particularităţile acestora şi tehnici utilizate în procesele de antrenare, validare şi testare.