Что такое t-SNE/UMAP визуализация feature space CV-модели?

t-SNE (t-distributed Stochastic Neighbor Embedding) и UMAP (Uniform Manifold Approximation and Projection) — это методы нелинейного снижения размерности, которые часто применяются для визуализации высокоразмерных данных, таких как признаки (feature space) компьютерного зрения (CV) моделей.

В контексте CV-моделей эти методы помогают:

• Отобразить многомерные векторы признаков (например, выходы слоёв нейросети) в 2D или 3D пространство.
• Визуально оценить, как модель разделяет или группирует данные разных классов.
• Понять структуру и распределение признаков, выявить кластеры или аномалии.

Пример: после обучения модели можно взять векторы признаков изображений разных классов, применить t-SNE или UMAP и построить scatter plot, где точки одного класса будут сгруппированы вместе, что свидетельствует о хорошей способности модели к разделению классов.

Таким образом, t-SNE и UMAP — мощные инструменты для интерпретации и анализа внутреннего представления данных в CV-моделях.