Die Rolle gilt je Aufnahme, nicht je Clip: Clips derselben Fahrt sind zeitlich benachbart und damit fast identische Bilder. Lägen sie in Training und Prüfmenge, würde gemessen, wie gut das Netz wiedererkennt, was es schon kennt. Prüfmenge wählt während des Laufs das beste Modell aus, zurückgehalten wird erst am Schluss einmal gemessen. Beide brauchen eigene Annotationen.

Jede Aufnahme ist zunächst ein Clip. Teilen macht daraus mehrere (_1, _2 …), die einzeln zugewiesen werden können. Geteilt wird nur die Einteilung – die Bilder bleiben, wo sie sind, und behalten ihre Nummer.