Czym jest wizualizacja przestrzeni cech modelu CV za pomocą t-SNE/UMAP?

t-SNE (t-rozproszone osadzenie stochastyczne sąsiadów) i UMAP (Uproszczenie i projekcja wielowymiarowych rozmaitości) to metody nieliniowego zmniejszania wymiarowości, które często są używane do wizualizacji danych wysokowymiarowych, takich jak cechy (feature space) modeli wizji komputerowej (CV).

W kontekście modeli CV, te metody pomagają:

• Przedstawić wielowymiarowe wektory cech (np. wyjścia warstw sieci neuronowych) w przestrzeni 2D lub 3D.
• Wizualnie ocenić, jak model rozdziela lub grupuje dane różnych klas.
• Zrozumieć strukturę i rozkład cech, zidentyfikować skupiska lub anomalie.

Przykład: po wytrenowaniu modelu można wziąć wektory cech obrazów różnych klas, zastosować t-SNE lub UMAP i utworzyć wykres rozrzutu, na którym punkty jednej klasy będą skupione razem, co świadczy o dobrej zdolności modelu do rozdzielania klas.

Dlatego t-SNE i UMAP to potężne narzędzia do interpretacji i analizy wewnętrznej reprezentacji danych w modelach CV.