Disjoint 10 1

Disjoint 10-1 是一种计算机视觉领域的评估方法，旨在通过严格的类别划分，测试和评估模型在未见过的数据上的泛化能力。该方法将数据集分为两个完全不相交的部分，一部分用于训练，另一部分用于测试，确保模型在新类别上的表现更加真实可靠。这种方法对于提升模型的鲁棒性和适应性具有重要应用价值，特别是在开放世界识别和零样本学习等场景中。