Réponse rapide
L’entraînement sert à ajuster le réseau, la validation à choisir ses réglages et le test à estimer la performance finale sur des exemples restés indépendants. Si les mêmes données servent à toutes les décisions, le résultat devient trop optimiste. En robotique, il faut aussi séparer lieux, séquences, personnes et robots pour éviter qu’un décor mémorisé fasse illusion.
Garder trois rôles distincts
Les poids sont appris sur l’entraînement ; architecture, seuils et augmentations sont comparés sur la validation ; le test reste préservé jusqu’à la décision. Un test consulté après chaque réglage devient un second jeu de validation. Provenance, version, classes et conditions de capture accompagnent chaque partition.
Prévenir les fuites entre images
Deux images d’une même séquence, d’un même objet ou d’une même personne ne doivent pas toujours être réparties au hasard. Sinon le réseau peut reconnaître texture, caméra ou arrière-plan au lieu de la tâche. Les métriques sont détaillées par classe, scénario, rareté et coût d’une erreur.
Mesurer le transfert vers le terrain
Un test propre mais trop proche de l’entraînement ignore saison, capteur, éclairage ou charge différents. Des essais de transfert et de dégradation complètent l’évaluation. Une classe critique mal reconnue bloque l’usage même lorsque la moyenne générale semble élevée.
Sources et références
- [1] Robotics and Autonomous Systems — NIST