Ground Truth는 원래 기상학에서 유래된 용어로, 특정 장소에서 수집한 실제 데이터를 의미한다.
예를 들어 위성에서 본 지구 이미지는 광범위하지만 세밀하지는 않다. 이때 직접 지상에서 측정한 정보는 훨씬 정확하며, 이를 Ground Truth라고 부른다.
| 항목 | Ground Truth | Prediction |
|---|---|---|
| 정의 | 현실 세계에서 수집된 실제 정답값 | 모델이 추론한 예측값 |
| 역할 | 학습 및 평가 기준 | 비교 대상 (평가 및 추론 결과) |
| 출처 | 사람 라벨링, 센서 측정 등 | AI 모델 계산 결과 |
| 예시 | "고양이" 라벨 | "개"로 예측 |
| 비교 방식 | Loss 함수 또는 평가 지표로 분석 | |
Ground Truth는 사람이 라벨링하거나 센서로 측정한 실제 정답값을 말하며, AI 모델의 학습과 평가 기준으로 사용된다.
예: 자율주행차 데이터에서 "보행자 있음"이라는 라벨.
Prediction은 AI 모델이 입력값을 바탕으로 계산한 예측값이다. 이는 Ground Truth와 비교되어 모델 성능을 평가하는 데 사용된다.
Ground Truth와 Prediction의 차이는 Loss 함수를 통해 계산된다. 이 손실을 줄이는 것이 모델 훈련의 핵심 목표이다.
정확도(Accuracy), 정밀도(Precision), 재현율(Recall) 등도 이 둘을 비교해 측정된다.
결론: Ground Truth는 기준값이고, Prediction은 AI가 도출한 결과값이다. 이 둘의 차이가 적을수록 모델의 성능은 우수하다.