Cos'è la visualizzazione dello spazio delle caratteristiche di un modello CV con t-SNE/UMAP?

t-SNE (t-Embedding Stocastico di Vicini Distribuiti) e UMAP (Approssimazione e Proiezione di Manifold Uniformi) sono metodi di riduzione della dimensionalità non lineari, spesso utilizzati per visualizzare dati ad alta dimensione, come le caratteristiche (feature space) dei modelli di visione artificiale (CV).

Nel contesto dei modelli CV, questi metodi aiutano a:

• Rappresentare vettori di caratteristiche multivariati (ad esempio, le uscite degli strati di reti neurali) in uno spazio 2D o 3D.
• Valutare visivamente come il modello separa o raggruppa i dati di diverse classi.
• Comprendere la struttura e la distribuzione delle caratteristiche, identificare cluster o anomalie.

Esempio: dopo aver addestrato un modello, si possono prendere i vettori di caratteristiche di immagini di diverse classi, applicare t-SNE o UMAP e costruire un grafico a dispersione, dove i punti di una stessa classe saranno raggruppati insieme, indicando una buona capacità del modello di separare le classi.

Pertanto, t-SNE e UMAP sono strumenti potenti per interpretare e analizzare la rappresentazione interna dei dati nei modelli CV.