Šta je vizualizacija feature space CV modela pomoću t-SNE/UMAP?

t-SNE (t-Distributed Stochastic Neighbor Embedding) i UMAP (Uniform Manifold Approximation and Projection) su nelinearne metode za smanjenje dimenzionalnosti koje se često koriste za vizualizaciju podataka visokih dimenzija, kao što su karakteristike (feature space) modela računarskog vida (CV).

U kontekstu CV modela, ove metode pomažu:

• Da prikažu višedimenzionalne vektore karakteristika (npr. izlaze slojeva neuronskih mreža) u prostoru od 2D ili 3D.
• Da vizuelno procene kako model razdvaja ili grupiše podatke različitih klasa.
• Da razumeju strukturu i raspodelu karakteristika, identifikuju klastere ili anomalije.

Primer: nakon obuke modela, mogu se uzeti vektori karakteristika slika različitih klasa, primeniti t-SNE ili UMAP i napraviti scatter plot, gde će tačke jedne klase biti grupisane zajedno, što ukazuje na dobru sposobnost modela da razdvoji klase.

Stoga, t-SNE i UMAP su moćni alati za interpretaciju i analizu unutrašnjeg prikaza podataka u CV modelima.