딥러닝 관련 논문을 읽다보면 Top1, Top5, Top10과 같은 말들을 자주 볼 수 있습니다.
대충 감이 오기는 하지만 정확히 무엇을 의미하는 것일까요?
대표적으로 Top1 뒤에는 Accuracy가 오는 경우와 Loss가 오는 경우 이렇게 두 가지가 있습니다.

💡 Top1 Accuracy

쉽게 말하자면 Top1 Accuracy는 분류기가 이미지의 가장 확률이 높은 클래스를 예측했을 때 그게 정답이었다면 그러한 경우가 전체 예측수에 비해 어느정도 존재하는지를 의미합니다.

Top1 Acc. = (가장 확신했던 답이 정답이었던 경우의 수) / (전체 예측수)

💡 Top1 Loss

반대로 Top1 Loss의 경우에는 가장 확률이 높은 클래스를 예측했을 때 정답이 아니었던 경우의 전체 예측수에 대한 비율을 의미합니다.

Top1 Loss = (가장 확신했던 답이 오답이었던 경우의 수) / (전체 예측수)

☀️ 예제

예를 들어 강아지, 고양이, 미어캣, 개구리, 너구리를 구분하는 분류기가 있다고 합시다.

위의 다섯 동물 중 어느 한 동물의 이미지를 분류기에 집어넣었더니 분류기의 마지막 층으로부터 Softmax 함수를 지나서 나온 결과가 (0.1, 0.15, 0.3, 0.4, 0.05) 였다고 합시다.
벡터의 각 요소가 (강아지, 고양이, 미어캣, 개구리, 너구리) 순으로 각각의 클래스로 분류될 확률이라고 한다면 이미지가 분류될 클래스 중에 가장 확률이 높은 것은 0.4의 확률을 가진 개구리가 됩니다. 같은 방법으로 두번째로 확률이 높은 클래스는 미어캣이 되겠네요.
이미지가 분류될 확률이 높은 순으로 클래스를 나열하면 개구리 → 미어캣 → 고양이 → 강아지 → 너구리 순이 됩니다.

만약에 이미지의 정답 라벨이 개구리였다고 했을 때 Top1 Accuracy는 1이 되고 Top1 Loss는 0이 되겠네요. (일반적으로 단순 이미지 분류 문제에서는 테스트 데이터셋의 이미지 수가 전체 예측수와 일치합니다.)
이런식으로 열 장의 이미지를 넣어서 확률이 가장 높은 클래스로 예측을 했을 때 정답인 경우가 6번 있었다면 Top1 Accuracy는 0.6이 됩니다.
그렇다면 Top5 Accuracy는 어떤 걸까요?
예상하셨겠지만 Top5 Accuracy는 가장 가까운 클래스를 다섯 개 뽑았을 때 그 안에 정답이 존재한 경우의 비율을 의미합니다.
참고로 위의 예에서는 분류기가 5개의 클래스 밖에 구분하지 못하므로 여기서는 Top5 Accuracy는 의미가 없다고 할 수 있습니다.
5지 선다 객관식 시험을 생각해보면 이해가 쉽습니다. 입력 이미지가 다섯 종류의 동물 중 하나라고 했을 때, 분류될 수 있는 클래스가 다섯개 뿐이므로 무조건 정답이 Top5 안에는 들어있게 되기 때문이죠. 혹여나 입력 이미지가 위의 다섯 종류에 국한되어 있지 않는다면 그때는 Top5 Accuracy가 의미를 가지겠지요.
보통 Top1 Accuracy + Top1 Loss = 1 이 되므로 Accuracy든 Loss든 결국에는 같은 이야기를 하고 있다고 생각하시면 됩니다.