Čo je vizualizácia feature space CV modelu pomocou t-SNE/UMAP?

t-SNE (t-Distributed Stochastic Neighbor Embedding) a UMAP (Uniform Manifold Approximation and Projection) sú nelineárne metódy znižovania rozmernosti, ktoré sa často používajú na vizualizáciu dát s vysokou rozmernosťou, ako sú vlastnosti (feature space) modelov počítačového videnia (CV).

V kontexte CV modelov tieto metódy pomáhajú:

• Zobraziť viacrozmerné vektory vlastností (napríklad výstupy vrstiev neurónových sietí) v priestore 2D alebo 3D.
• Vizualizovať, ako model rozdeľuje alebo skupinuje dáta rôznych tried.
• Pochopiť štruktúru a rozloženie vlastností, identifikovať klastre alebo anomálie.

Príklad: po natrénovaní modelu možno vziať vektory vlastností obrázkov rôznych tried, použiť t-SNE alebo UMAP a vytvoriť scatter plot, kde body jednej triedy budú zoskupené spolu, čo svedčí o dobrej schopnosti modelu rozlišovať triedy.

Preto sú t-SNE a UMAP mocnými nástrojmi na interpretáciu a analýzu vnútorného zobrazenia dát v modeloch CV.