Объектом исследования являются модели распознавания объектов в изображениях, в которых классификация объектов производится методами машинного обучения. Цель работы - сравнить эффективность применения различных методов машинного обучения для повышения надежности распознавания объектов в изображениях. В процессе работы проводилась адаптация моделей «визуального словаря» и сверточной нейронной сети, их программная реализация и экспериментальные исследования. В результате исследования были реализованы две различные модели для распознавания объектов в изображениях с надежностью распознавания 76,9±0,6% и 86,2±1,0%. Основными преимуществами модели «визуального словаря» являются: быстродействие, необходимость в меньшем количестве данных для обучения. Преимуществами модели сверточной нейронной сети можно назвать: высокую надежность распознавания, адаптивность к новым данным, достаточно высокую скорость обучения при использовании графического ускорителя в качестве исполнителя вычислений. Обе модели могут применяться для распознавания объектов в изображениях при разработке кроссплатформенных приложений, для модели сверточной нейронной сети рекомендуется клиент-серверная реализация.