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。