在各个示例中，可以部署多传感器融合机器学习模型——例如深度神经网络(DNN)——来融合来自多个单独机器学习模型的数据。因此，多传感器融合网络可以使用来自多个机器学习模型的输出作为输入来生成融合输出，该融合输出表示来自提供机器学习模型的每个传感器的视场或感觉场的数据，同时考虑学习的源传感器的各个视场的边界或重叠区域之间的关联。通过这种方式，融合的输出可能不太可能包括与环境中的对象或特征有关的重复、不准确或噪声数据，因为可以训练融合网络来解释出现在不同输入表示中的相同对象的多个实例。