Das an der Queen Mary's University of London entwickelte Sketch-a-Net-Programm konnte in 74,9% der Fälle das Bild mit dem Bild eines Vogels korrekt interpretieren, nachdem es diese Aufgabe besser bewältigt hatte als die experimentellen Personen (73,1%).
Die Arbeit, die auf der 26. Britischen Konferenz für Bildverarbeitung (September 2015, Swansea) angekündigt wurde, zeigte auch, dass Sketch-a-Net die detaillierte Mustererkennung besser bewältigte als Menschen. Zum Beispiel unterschied sie in 42,5% der Fälle erfolgreich zwischen einer Möwe, einem fliegenden Vogel, einem stehenden Vogel und einer Taube, während die Menschen eine Genauigkeit von nur 24,8% erreichten.
Sketch-a-Net basiert auf einem „tiefen neuronalen Netzwerk“, das die Funktionsweise des menschlichen Gehirns nachahmt. Bei der Erkennung wird sogar die Zeichnungsreihenfolge der Linien berücksichtigt, aus denen die Zeichnung besteht.
Diese Technologie kann bei der Arbeit mit einem Computer in einer schnelleren Entwicklung der Gebärdensprache Anwendung finden. Oder eine genauere Bildsuche.