处理神经网络（推断）
在运行时，使用工具训练的网络单独处理运行时图像的每个样本，并获得每个样本的单独网络响应。网络响应表示为概率图，其中输入图像的采样区域中的每个像素被分配概率。概率图的含义取决于使用的工具。对于绿色分类工具，响应是分类和分类正确的概率。
这些全图像概率图由单个样本的插值网络响应组合而成。返回给用户的最终结果（特征姿势和标识以及缺陷区域）基于用户通过为类可能性指定阈值进行控制的结果形成流程。
在上述背景中，务必要理解工具返回的概率可能无法很好地反映我们对某种判断可能性的认知。这主要是因为这些工具具有“有限的世界视角”，因此无法返回与人类广泛而丰富视觉体验有关的概率，而只能涵盖其非常有限的若干类的视觉世界。因此，例如对于绿色分类工具，即使对我们而言这些类看起差异巨大，但工具也非常有可能未新的、并因此未知的类分配非常高的概率。原因很简单，对于工具而言，该类与某已知类的相似度比其他类高出很多倍。
当训练完成而没有问题时，训练的工具的处理（推断）被自动执行。如果您希望手动重新处理训练工具，请单击 
按钮。
配置处理参数
The Processing parameters control the way that images are processed by the tool. This is often called ‘inference’ in deep learning. Processing with the same models will always give you the same results. Changing these parameters does not require the tool to be retrained; the effect can be seen right away by reprocessing the database.要重新处理工具，请单击 按钮。在高细节模式下有两种处理参数。
| 参数 | 说明 |
|---|---|
| 阈值 |
阈值参数确定要分类的视图的最低得分。
Note: 高细节模式的默认阈值为 0%，因为它以不同于集中模式的方式计算每个标签的得分。
通常不建议在高细节模式下调整阈值。 |
| 热力图 |
处理参数中的“热力图”是一个选项，允许用户查看哪个区域已被用作高细节模式的线索。在使用给定数据和基本事实标签生成模型后，可以将其用作调试工具。 如果热力图在对分类重要的区域中看到不同的区域，则最好再次训练工具以生成新模型。热力图不是一个准确的工具。红色区域的位置可能与人的想法不同，因此仅用于查看趋势。 Note: 如果在高细节模式下使用“热力图”选项，则工作区可能会更大。这有助于找到图像内部的线索，但它会生成热力图，从而消耗大量存储空间。
要缩小工作区，请关闭热力图再次进行处理，并保存工作区。 在同时选中处理参数中的热力图复选框和重叠复选框中的复选框时，绿色分类高细节项目会将热力图直接投影到图像查看器上。 |