1 the inter-ocular distance normalized error
其中 x i x_i xi 表示預測坐标點,表示ground-truth, d I O D d_{IOD} dIOD 表示兩眼中心間距離,歸一化該因素是為了消除因臉部尺寸不統一帶來的不合理變化,當然其中 d I O D d_{IOD} dIOD也可以用兩外眼角間距離、人臉shape外接矩形對角線長度代替
2 the mean normalized error (MNE)
符号意義與上面相同,僅僅多了一項平均項
3 the area-under-the-curve ( A U C α AUC_\alpha AUCα)
A U C α AUC_\alpha AUCα 就是通過計算該曲線的面積進行評估
其中, e e e表示歸一化誤差, f ( e ) f(e) f(e)表示累積誤差分布函數
橫坐标表示歸一化誤內插補點 e e e(由1中式得),縱坐标表示小于歸一化誤差ee的特征點占所有特征點的比例,也就是該曲線右下區域越大越好;值得一說的是,該方法的好處就在于 A U C α AUC_\alpha AUCα值不像平均誤差那樣受單個點誤差較大而發生較大變化,非常敏感
詳見:https://blog.csdn.net/liweibin1994/article/details/79462554
4 the Cumulative Errors Distribution (CED) curve
CED與AUC有些類似,但又不同;如下圖(來自Look at Boundary論文)
橫坐标表示歸一化點與點間誤差 e e e,見1中公式;縱坐标表示小于歸一化誤差 e e e 的樣本占總樣本的比例,換句話說,誤差 e e e 大于某個門檻值TT的樣本定義為失敗樣本,統計失敗率;如圖中在誤差門檻值為 T = 0.1 T=0.1 T=0.1時,LAB的失敗率為2.17%;另外圖中Error是指平均誤差(MNE),見方法2。