O que é a visualização do espaço de características de um modelo CV com t-SNE/UMAP?

t-SNE (t-Embeddings Estocásticos de Vizinhos Distribuídos) e UMAP (Aproximação e Projeção de Manifolds Uniformes) são métodos de redução de dimensionalidade não linear, frequentemente utilizados para visualizar dados de alta dimensão, como características (espaço de características) de modelos de visão computacional (CV).

No contexto de modelos de CV, esses métodos ajudam a:

• Representar vetores de características multivariados (por exemplo, saídas de camadas de redes neurais) em um espaço 2D ou 3D.
• Avaliar visualmente como o modelo separa ou agrupa dados de diferentes classes.
• Compreender a estrutura e distribuição das características, identificar clusters ou anomalias.

Exemplo: após treinar um modelo, pode-se pegar os vetores de características de imagens de diferentes classes, aplicar t-SNE ou UMAP e construir um gráfico de dispersão, onde os pontos de uma mesma classe estarão agrupados, indicando uma boa capacidade do modelo de separar classes.

Portanto, t-SNE e UMAP são ferramentas poderosas para interpretar e analisar a representação interna dos dados em modelos de CV.