Qu'est-ce que la visualisation de l'espace de caractéristiques d'un modèle CV avec t-SNE/UMAP?

t-SNE (t-Embeddings Stochastiques de Voisins Distribués) et UMAP (Approximation et Projection de Manifolds Uniformes) sont des méthodes de réduction de dimensionnalité non linéaires, souvent utilisées pour visualiser des données de haute dimension, telles que les caractéristiques (espace de caractéristiques) des modèles de vision par ordinateur (CV).

Dans le contexte des modèles CV, ces méthodes aident à:

• Représenter des vecteurs de caractéristiques multivariés (par exemple, sorties des couches de réseaux neuronaux) dans un espace 2D ou 3D.
• Évaluer visuellement comment le modèle sépare ou regroupe les données de différentes classes.
• Comprendre la structure et la distribution des caractéristiques, identifier des clusters ou des anomalies.

Exemple : après l'entraînement d'un modèle, on peut prendre les vecteurs de caractéristiques d'images de différentes classes, appliquer t-SNE ou UMAP et construire un graphique de dispersion, où les points d'une même classe seront regroupés, ce qui témoigne d'une bonne capacité du modèle à séparer les classes.

Ainsi, t-SNE et UMAP sont des outils puissants pour interpréter et analyser la représentation interne des données dans les modèles CV.