Pourquoi séparer les images d’entraînement et d’évaluation d’un robot ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
Séparer images d’entraînement et d’évaluation mesure si le modèle généralise à des exemples qu’il n’a jamais vus.
Garder une épreuve honnête
Le jeu d’évaluation reste isolé pendant les réglages. Les images d’une même scène ou vidéo ne doivent pas fuir d’un côté à l’autre.
Caméra d’un entrepôt
Les jours et lots de pièces sont séparés ; une performance stable sur une nouvelle journée est plus crédible qu’un score sur des images voisines.Un découpage aléatoire peut tricher sans le vouloir
Pièce, lieu, opérateur et séquence déterminent le découpage pertinent.
Sources et références
- [1] Cross-validation: evaluating estimator performance — scikit-learn developers