فقدان امکانات سخت‌افزاری در گذشته مانع از بهره‌برداری از این شبکه‌های یادگیرنده باتوجه به بارمحاسباتی و نیاز آن‌ها به پردازش حجم بالایی از داده‌ها، ‌می‌شد. امروزه با رشد و توسعه چشم‌گیر سخت‌افزارها مانند پردازنده‌ها و ذخیره‌سازها امکان بهره‌برداری از روش‌های محاسباتی پیچیده مانند یادگیری عمیق نیز افزایش یافته و تحول بزرگی در علم هوش مصنوعی ایجاد شده است.
روش یادگیری عمیق با الگو گرفتن از توانایی ذهن انسان در مشاهده، آنالیز، یادگیری و تصمیم‌گیری برای مسائل پیچیده به وجود آمده است و حالتی از آموزش انتزاعی است. آموزش انتزاعی مجموعه‌ای از روش‌هاست که به ماشین اجازه می‌دهد داده‌های خام ورودی را دریافت کرده و به صورت خودکار تمام نیازهای انتزاعی برای رده‌بندی را شناسایی کند.
این سامانه مانند ساختار شبکه عصبی مغز انسان، از بهم پیوستن بلوک نرون‌های عصبی مصنوعی تشکیل شده‌است که با استفاده از توابع و معادلات ریاضی داده‌های ورودی را آموزش داده و به خروجی مطلوب تبدیل می‌کند. درنتیجه نرم افزار پلاک خوان یوزتا با اتکا بر این علم نوین قادر به یادگیری شرایط و ویژگی‌های جدید با آموزش روی مجموعه داده‌های خام ورودی است تا دقت و دامنه‌ی شناسانی خود را با توجه نیازهای جدید به وجود آمده، به‌روزرسانی کند. سایر مزایای استفاده از روش‌های یادگیری عمیق در تشخیص پلاک خودروها نسبت به سایر روش‌های موجود را می‌توان به صورت زیر بیان کرد:

• یادگیری خودکار و استخراج بهترین ویژگی‌ها از تصاویر ثبت شده
• یادگیری چند لایه و چند بعدی ویژگی‌ها
• دست‌یابی به دقت بالا در نتایج نهایی
• امکان تعمیم‌دهی بالا در شرایط متفاوت محیطی
• پشتیبانی گسترده سخت‌افزاری و نرم‌افزاری

با عنایت به تجربه‌های موفق چندین ساله محققین و کارشناسان شرکت پردازش تصویر کمان در حل مسائل پیچیده‌ای چون تشخیص چهره ، تشخیص پلاک خودرو، ردیابی اجسام متحرک در ویدیوها، بازشناسایی مستندات چاپی و … با استفاده از به‌روزترین روش‌های یادگیری عمیق، الگوریتم‌های ردیابی و روش‌های پردازش تصویر برای بخش‌بندی ، بهبود کیفیت و … ، در این پروژه نیز استفاده از این علوم نوین پیشنهاد می‌شود.