什么是“Ground truth”

Oxford Reference

就像Oxford Reference 里定义的：

“ground truth” refers to “the facts that are found when a location shown on a map, air photograph, or satellite image is checked on the ground, as validation

Ground truth是指：你在查看地图、航空照片或卫星图像上显示的位置时，从在地面上看到的实际情况，作为一种事实上的验证。

举个例子：

ground truth是“”事实上的真相“”，当我们有新的遥感测量方法，比如有一天我们可以可以通过黑魔法去预测向北100m外是否存在一个大城堡。
1.我们用无人机看到向北105m外确实有一个大城堡
2.我们使用黑魔法，嚯，黑魔法告诉我们说向北103m外确实有一个大城堡。
3.我们通过精度最高的实地测量，发现向北100m存在一个大城堡**【Ground Truth!】**

那么就我们现有的测量水平来说，第三条信息：向北100m存在一个大城堡；就是我们的ground truth。我们可以用向北100m作为金标准（golden standard）下的参考答案（标准答案）值。而“黑魔法”、“无人机”等其他的评价方法就要差一些。

机器学习

故而，在机器学习中，准确地说在有监督学习，Ground Truth就是指我们给指定数据集打上的真实标签值：

比如这个图像是猫猫，那个图像是狗狗。；
比如“我爱你”对应的英文翻译是“I love you”；
比如“我喜欢你”对应的英文翻译是“I love you”；
比如“我宣你”对应的英文翻译是“I love you”；
比如这段视频中的动作是打鼓，那段视频中的动作是打球；
这段视频是正常，那段视频是异常；

自监督学习中，就是给定的pre task的正确答案。
强化学习中，强化学习按我个人的理解下是没有Ground Truth的，强化学习更多地是一种试错，通过不断地将算法奖励函数最大化。但是也不妨你把Ground Truth理解为你的特定想达到的目标，比如，一个你想拟合的目标神经网络。