신경망 프로세싱(추론)

런타임에는, 런타임 이미지의 각 샘플이 트레이닝된 해당 도구의 네트워크를 이용해 개별적으로 프로세싱되며, 각 샘플마다 개별적인 네트워크 응답이 얻어집니다. 네트워크로부터의 응답은 확률맵으로 표현되는데, 여기에서는 input 이미지의 샘플 영역 각 픽셀에 확률이 할당됩니다. 확률 지도의 의미는 어떤 도구를 사용하는가에 따라 다릅니다. High Detail 모드 Red 분석 도구의 경우, 응답은 샘플링 영역 내 각 픽셀이 이미지 결함 내에 있을 확률입니다.

이러한 전체 이미지 확률맵은 보간법에 의해 네트워크 응답을 개별 샘플에 적용해 얻어집니다. 사용자에게 반환되는 최종 결과(feature pose 및 ID, 결함 영역)은 사용자가 결함 확률에 임계치를 지정함으로써 제어하는 결과 형성 과정에 기초합니다.

위 상황에서, 도구가 반환하는 확률은, 특정 판단이 얼마나 가능성이 높은가 하는 일반적인 인식을 잘 반영하지 않을 수 있음을 이해해야 합니다. 이는 주로 도구들이 "세계에 대한 제한적 관점"을 갖고 있기 때문입니다. 즉, 사람들의 광범위하고 풍부한 시각적 경험에 대한 확률을 반환하는 것이 아니고, 해당 도구가 몇 개의 클래스로 구성된 매우 제한적인 세계에 대한 확률을 반환하기 때문입니다.

어떤 도구 학습이 정상적으로 완료되었다면 학습 후에 프로세싱(추론)이 자동으로 실행됩니다. 트레이닝한 도구를 다시 프로세싱하려면, 버튼을 클릭하십시오.

프로세싱 매개변수 설정

프로세싱 매개변수는 도구의 이미지 프로세싱 방식을 제어합니다. 딥러닝에서는 ‘inference(인퍼런스, 추론)이라고도 불립니다. 같은 모델을 활용하여 같은 이미지를 프로세싱하는 경우 결과는 항상 동일합니다. 이 매개변수를 변경해도 다시 학습할 필요는 없지만, 데이터베이스를 다시 프로세싱하기 때문에 그 효과는 바로 볼 수 있습니다. 도구를 다시 프로세싱하려면, 버튼을 클릭하십시오.

매개변수	설명
Threshold(임계치)	T1과 T2([T1,T2]로 표현) 두 가지를 설정합니다. 이 값들은 검출된 영역을 정상 또는 불량으로 마킹할지 결정하는 임계치입니다. T1보다 작은 값은 정상으로 분류되며, T2보다 큰 값은 불량으로 분류됩니다. T1과 T2 값은 데이터베이스 개요에 있는 score(점수) 그래픽을 이용해 조정할 수도 있습니다.
자동	자동 (자동 임계치)를 활성화하면 데이터베이스 개요에 있는 Confusion Matrix의 F1 점수를 최대화하는 T1과 T2 임계치를 드롭다운 메뉴값을 따라서 자동으로 계산합니다. 4가지 드롭다운 메뉴값은 데이터베이스 개요의 카운트 드롭다운 메뉴값과 동일합니다. 자세한 내용은 점수 카운트 필터 항목을 참조하십시오.
Region Filter(영역 필터)	도구에서 발견된 영역의 기준으로 이용될 필터를 지정합니다. 필터를 지정하면, 필터와 일치하지 않는 영역은 결과에서 제거됩니다. 이 매개변수를 지정하지 않으면, 모든 영역이 반환됩니다. Note: 필터 syntax는 디스플레이 필터에 쓰이는 syntax와 동일합니다. 필터 syntax 작성에 대한 자세한 내용은 Custom Display Filters(사용자 정의 디스플레이 필터)를 참고하십시오. 사용 가능한 영역 속성은 다음과 같습니다. score Area(넓이) perimeter(둘레) compactness(컴팩트 정도) x y
Downsampling Size(다운샘플링 수준)	다운샘플링의 수준입니다. 결함 확률들로 구성된 히트맵(프로세싱의 결과)는 이 수준값만큼의 크기를 갖는 커널을 사용해 다운샘플링됩니다. 예를 들어, 결과의 크기가 128x128이고 다운샘플링 수준이 16일 때, High Detail 모드는 이 결과를 16x16 커널을 사용해 다운샘플링합니다. 이 경우, 다운샘플링된 결과는 원래 결과인 128x128에서 가장 높은 결함확률을 보이는 픽셀들만을 가진 8x8 패치가 됩니다. 그리고 나서 High Detail 모드는 이 8x8 패치를 다시 128x128 히트맵으로 재구성하는데 이것이 바로 최종 결과값입니다. 일반적으로 다운샘플링 수준이 높을수록 프로세싱 속도가 빠르고 recall이 증가하지만 precision이 약간 감소합니다. 가능한 값은 1부터 뷰의 크기(뷰의 너비 및 높이)입니다. 이 값을 바꾸는 것은 다른 프로세싱 파라미터를 바꾸는 것과 비교해 다시 프로세싱을 할 때 더 많은 시간이 걸립니다. 또한 랜덤성으로 인해 프로세싱 결과에도 약간의 변화가 생깁니다. Note: 사용하는 이미지에 따라서 다운샘플링 수준을 증가시키는 것은 프로세싱 속도를 저하시킬 수 있습니다. 이는 자연스러운 현상으로서 다운샘플링 커널 크기가 증가하면 프로세싱 시 결함 계산량이 줄어들지만 동시에 이미지 압축이 더 많이 발생하기 때문입니다.
이미지 전체 프로세싱	이미지 전체 프로세싱을 활성화하면 도구는 각 이미지를 통째로 프로세싱합니다. 이 옵션은 기본으로 활성화되어 있으며, 가용 GPU 메모리가 충분하지 않거나 이미지 크기가 가용 GPU 메모리에 적합하지 않을 경우 이 옵션을 비활성화하십시오. 이 옵션이 비활성화되면 도구는 각 이미지를 다른 방법으로 프로세싱합니다. 프로세싱할 이미지 크기를 바꾸면, 이 옵션을 활성화할 때 프로세싱 속도가 일시적으로 느려질 수 있습니다. 도구 네트워크가 현재 이미지 크기에 적응을 마치면 프로세싱 속도는 다시 정상으로 돌아옵니다.