Disjoint 10 1

Disjoint 10-1 est une méthode d'évaluation dans le domaine de la vision par ordinateur, conçue pour tester rigoureusement et évaluer la capacité de généralisation d'un modèle sur des données inédites en divisant strictement les catégories. Cette méthode sépare le jeu de données en deux parties complètement disjointes : l'une pour l'entraînement et l'autre pour le test, garantissant ainsi que les performances du modèle sur de nouvelles catégories soient plus fiables et authentiques. Elle présente une valeur d'application importante pour améliorer la robustesse et l'adaptabilité des modèles, notamment dans des scénarios tels que la reconnaissance dans un monde ouvert et l'apprentissage par zéro exemple.