Kas ir t-SNE/UMAP vizualizācija CV modeļa feature space?

t-SNE (t-Distributed Stochastic Neighbor Embedding) un UMAP (Uniform Manifold Approximation and Projection) ir nelineāras dimensiju samazināšanas metodes, kuras bieži tiek izmantotas augstas dimensijas datu vizualizācijai, piemēram, attēlveidošanas (feature space) modeļu īpašībām (feature space).

CV modeļu kontekstā šīs metodes palīdz:

• Attēlot daudzdimensiju īpašību vektorus (piemēram, neironu tīklu slāņu izvade) 2D vai 3D telpā.
• Vizualizēt, kā modelis atdala vai grupē datus no dažādām klasēm.
• Saprast īpašību struktūru un sadalījumu, identificēt klasterus vai anomālijas.

Piemērs: pēc modeļa apmācības var ņemt dažādu klases attēlu īpašību vektorus, piemērot t-SNE vai UMAP un izveidot izkliedes diagrammu, kur vienas klases punkti būs kopā grupēti, kas liecina par labu modeļa spēju atdalīt klases.

Tādēļ t-SNE un UMAP ir spēcīgi rīki datu iekšējās reprezentācijas interpretācijai un analīzei CV modeļos.