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。对于处于高细节模式的红色分析工具，响应是采样区域每个像素（即像素在图像缺陷内）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）基于用户通过为缺陷概率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。

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。

参数	说明
阈值	共有两种设置 T1 和 T2（表示为 [T1,T2]）。它们确定判断是否检测到区域并将其标记为良好或不良的阈值。值低于 T1 将被分类为良好，高于 T2 将被分类为不良。T1 和 T2 值也可以使用数据库概述中的分数图形进行交互式设置。
自动	启用自动（自动阈值）时，将计算阈值 T1 和 T2，这两个值通过遵循下拉菜单中的每个标准使数据库概述上混淆矩阵的 F1 得分最大化。这 4 个标准与数据库概述上计数菜单中的标准相同。有关更多信息，请参阅分数计数筛选工具。
区域筛选工具	为工具指定筛选条件，用作找到区域的标准。通过指定筛选条件，将从结果中删除与筛选条件不匹配的区域。如果参数保留为空，则将返回所有区域。 Note: 筛选条件的语法与用于显示筛选条件的语法相同。有关构建筛选条件语法的更多信息，请参阅自定义显示筛选工具。可用区域属性包括：得分面积周长严密性 x y
降采样尺寸	降采样的幅度。处理结果是由输入视图的缺陷概率组成的热力图，使用此级别尺寸的内核进行降采样。例如，如果结果尺寸为 128x128，降采样尺寸为 16，红色分析高细节模式会使用 16x16 内核对此进行降采样。在这种情况下，降采样结果变成了一个 8x8 的像素块，其中包含原始 128x128 输出中缺陷概率最高的像素。然后，红色分析高细节模式将此 8x8 像素块重建为 128x128 热力图，此为最终结果。通常，较高的降采样尺寸会提高处理速度和召回率，但精度会有所损失。降采样尺寸的可用值为从 1 到视图尺寸（视图的宽度或高度）。更改此值比更改其他处理参数需要更多的时间进行重新处理，并且由于随机性，处理结果会有轻微变化。 Note: 根据您的图像，增加降采样尺寸可能会导致处理速度降低。这是很自然的，因为增加降采样内核的尺寸会减少处理中的斑点计算量，但同时会增加更多的图像压缩。
整体图像处理	在启用整体图像处理时，工具将以整体方式处理每个图像。默认情况下启用此选项，当没有足够的可用 GPU 内存或图像大小不适合可用 GPU 内存时，禁用此选项。如果禁用此选项，该工具将通过不同的方法处理每个图像。如果您更改要处理的图像尺寸，启用此选项可能会暂时降低处理速度。在工具网络适应当前图像大小后，处理速度将会恢复。