Co je vizualizace feature space CV modelu pomocí t-SNE/UMAP?

t-SNE (t-Distributed Stochastic Neighbor Embedding) a UMAP (Uniform Manifold Approximation and Projection) jsou nelineární metody snižování rozměrnosti, které se často používají k vizualizaci dat s vysokou dimenzí, například vlastností (feature space) modelů počítačového vidění (CV).

V kontextu CV modelů tyto metody pomáhají:

• Zobrazit vícerozměrné vektory vlastností (například výstupy vrstev neuronových sítí) v prostoru 2D nebo 3D.
• Vizualizovat, jak model odděluje nebo seskupuje data různých tříd.
• Pochopit strukturu a rozložení vlastností, identifikovat shluky nebo anomálie.

Příklad: po natrénování modelu lze vzít vektory vlastností obrázků různých tříd, aplikovat t-SNE nebo UMAP a vytvořit scatter plot, kde body jedné třídy budou seskupeny dohromady, což svědčí o dobré schopnosti modelu rozlišovat třídy.

Proto jsou t-SNE a UMAP mocnými nástroji pro interpretaci a analýzu vnitřního zobrazení dat v modelech CV.