В докладе рассмотрены семь основных классов фильтров Калмана, в том числе: базовый, расширенный, сигма-точечный, центральный дискретный квадратурный, кубатурный, ансамблевый и адаптивный. Проведена их классификация по структурно-функциональным характеристикам. Основной вопрос работы – это применения фильтра Калмана в качестве корректора выхода нейросетевых алгоритмов при решении ряда задач компьютерного зрения, с целью улучшения точности и стабильности координатных и траекторных оценок формируемых нейросетями. В работе изучен аспект обоснованности использования Калмановского корректора выхода в случае существенно нелинейных и/или нестационарных объектов и в присутствии существенно негауссовских, в том числе нестационарных шумов.