Bezpečnostní kamery, které hledají ukradená vozidla nebo mají za úkol vozidlo jednoznačně identifikovat z jiného důvodu, čelí problému. Stávající technologie je většinou zaměřena na rozpoznávání značek. Zloději či jiní podvodníci ovšem značky samozřejmě mění; navíc i samotné rozpoznání může narážet na podobnost znaků (8-B, 0-O-D apod.).
Technologie rozpoznávání obrazu, pomineme-li čísla/písmena a tváře/lidi, je dosud zaměřena především na určení typu objektu, nikoliv už na odlišení jednotlivých věcí v rámci dané kategorie. To zlodějům aut celkem ulehčuje práci; kamera třeba zaznamená model vozidla a barvu, to je ale málo. Nejlepší by bylo sledovat detaily, které uniknou pozornosti i samotný zlodějů, takže se nesnaží je maskovat – třeba jemné poškrábání laku.
Qiantong Xu, Ke Yan a Yonghong Tian z Pekingské univerzity označují navrženou technologii jako repression network (RepNep). Svůj výzkum zatím publikovali v rámci systému Arxiv (tedy práce nerecenzované, které dosud neprošly odbornou oponenturou před obvyklou publikací). Chtějí vyjít z algoritmů, které již byly vyvinuty pro rozpoznávání tváří. Hlavní vývojovou metodou má být nikoliv překvapivě strojové učení/neuronová síť (přesněji: hluboké učení a konvoluční neuronové sítě). Rozpoznávání by nemělo vyžadovat nahrazovat stávající dopravní apod. kamery, nová funkčnost bude přidána čistě softwarově.
Kromě hledání kradených aut by technologie pro příslušné přesnější rozlišení mohly najít uplatnění třeba sledování zboží/kontrole kvality. Konkrétně u aut má základní model vycházet z rozdělení funkčnosti na dvě úrovně, z nichž jedna se soustředí více na celek a druhá na jemné podrobnosti, koncept RepNep se nicméně nachází teprve v počátečních stadiích vývoje.
