Ի՞նչ է t-SNE/UMAP տեսողականությունը CV մոդելի feature space-ի մասին։

t-SNE (t-Distributed Stochastic Neighbor Embedding) և UMAP (Uniform Manifold Approximation and Projection) — դա ոչ գծային նվազեցման մեթոդներ են, որոնք հաճախ օգտագործվում են բարձր չափման տվյալների տեսանելիության համար, ինչպիսիք են համակարգչային տեսլականի (CV) մոդելների հատկությունները (feature space):

CV մոդելների համատեքստում, այս մեթոդները օգնում են՝

• Ներկայացնել բազմաչափ հատկությունների վեկտորները (օրինակ՝ նեյրոնային ցանցերի շերտերի ելքերը) 2D կամ 3D տարածքում:
• Վիզուալ գնահատել, թե ինչպես է մոդելը տարբեր դասերի տվյալները բաժանում կամ խմբավորում:
• Հասկանալ հատկությունների կառուցվածքը և տարածումը, հայտնաբերել խմբեր կամ անոմալիաներ:

Օրինակ՝ մոդելի ուսուցումից հետո, կարելի է վերցնել տարբեր դասերի պատկերների հատկությունների վեկտորները, կիրառել t-SNE կամ UMAP և կառուցել scatter գրաֆիկ, որտեղ նույն դասի կետերը կգումարվեն միասին, ինչը ցույց է տալիս մոդելի լավ դասաբաժանման կարողությունը:

Այսպիսով, t-SNE և UMAP-ը հզոր գործիքներ են տվյալների ներքին ներկայացումը մեկնաբանելու և վերլուծելու համար CV մոդելներում։