Mis on t-SNE/UMAP visualiseerimine CV-mudeli feature space?

t-SNE (t-Distributed Stochastic Neighbor Embedding) ja UMAP (Uniform Manifold Approximation and Projection) on mitte-lineaarsed mõõtmete vähendamise meetodid, mida sageli kasutatakse kõrge mõõtmeliste andmete visualiseerimiseks, näiteks arvutigraafika (CV) mudelite omaduste (feature space) visualiseerimiseks.

CV mudelite kontekstis aitavad need meetodid:

• Esitada mitme muutuja omadusvektorid (näiteks närvivõrkude kihtide väljundid) 2D või 3D ruumis.
• Hinnata visuaalselt, kuidas mudel eraldab või grupeerib erinevate klasside andmeid.
• Mõista omaduste struktuuri ja jaotust, tuvastada klastreid või anomaaliaid.

Näide: pärast mudeli treenimist saab võtta erinevate klasside piltide omadusvektorid, rakendada t-SNE või UMAP ning koostada hajuvusdiagrammi, kus ühe klassi punktid on koos grupeeritud, mis näitab mudeli head klasside eristamisvõimet.

Seega on t-SNE ja UMAP võimsad tööriistad andmete sisemise esitluse tõlgendamiseks ja analüüsimiseks CV-mudelite puhul.