認識図のレベルは，あらゆる仮定の中から，目標レベルの仮定を区別する分類器といえる． 不十分な仮定を証明することは，高いレベルの変換をされることも，もう一度試されることもないが， 有効な仮定を拒否することにより，全ての失敗を引き起こす可能性があるので， この分類における特異点は，仮の明確な結果を生成することを許可する．
この例外は目標レベルにおいて起こる．アプリケーションに頼ることにより，有効な目標レベルの仮定を拒否することが， 不明確な仮定を証明するのにダメージになるかもしれないし，ならないかもしれない． つまり，目標レベルの分類をすることは，最も良い基準の機能であり，特殊なタスクと言える． また，目標レベルの分類の技術は，認識目標が，1つの対象を見つけ出すことなのか，もしくは，複数の対象のクラスのメンバーを 見つけ出すことなのか，に関わっている． 目標が1つの対象の場合，それぞれの画像に対して，必ず1つの仮定が証明される． それに対し，目標が複数の場合，多くの仮定が正しいと言える．
従って，目標レベルの分類は独特と言える． 1つの仮定が要求された場合，1つ1つの仮定を直接比較し，最適なものを選択する実行時における分類が用いられる． 例えば，本稿における実験結果では，目標は常に1つの場合とし，最短距離の分類を行うために，目標レベルの仮定の比較をし， 最適なものの選択を行っている． それに対し，複数の目標レベルの仮定が正しい場合，1つ1つの仮定に関して，直接比較を行わない分類が適切となる．