转载请注明作者和出处： http://blog.csdn.net/john_bh/
文章目录
- 1. I O N 和 I P N ION和IPN ION和IPN
- 2. M N E MNE MNE (the mean normalized error)
- 3 A U C a AUCa AUCa(the area-under-the-curve)
- 4. C E D CED CED (the Cumulative Errors Distribution curve)
1. I O N 和 I P N ION和IPN ION和IPN
-
I O N ION ION:inter-ocular distance normalized error
e i = ∣ ∣ x p r e i − x g t i ∣ ∣ 2 d I O D e_i=\frac{||x_{pre_i}-x_{gt_i}||_2}{d_{IOD}} ei=dIOD∣∣xprei−xgti∣∣2
其中 x p r e i x_{pre_i} xprei表示预测坐标点， x g t i x_{gt_i} xgti表示ground-truth， d I O D = D ( ( x 36 , y 36 ) , ( x 45 , y 45 ) ) d_{IOD}= D((x_{36}, y_{36}) , (x_{45}, y_{45})) dIOD=D((x36,y36),(x45,y45))表示两眼外眼角间距离（参考300W官方提供的 compute_error 代码），归一化该因素是为了消除因脸部尺寸不统一带来的不合理变化。
-
I P N IPN IPN:Inter-pupil distance normalized error
e i = ∣ ∣ x p r e i − x g t i ∣ ∣ 2 d I P D e_i=\frac{||x_{pre_i}-x_{gt_i}||_2}{d_{IPD}} ei=dIPD∣∣xprei−xgti∣∣2
其中 x p r e i x_{pre_i} xprei表示预测坐标点， x g t i x_{gt_i} xgti表示ground-truth， d I P D d_{IPD} dIPD表示两眼瞳孔间距离。
计算瞳孔坐标,参考LAB计算方式
l e f t _ c e n t e r x : ( x 36 + x 37 + x 38 + x 39 + x 40 + x 41 ) / 6 left\_center_x: (x_{36}+x_{37}+x_{38}+x_{39}+x_{40}+x_{41})/6 left_centerx:(x36+x37+x38+x39+x40+x41)/6
l e f t _ c e n t e r y : ( y 36 + y 37 + y 38 + y 39 + y 40 + y 41 ) / 6 left\_center_y: (y_{36}+y_{37}+y_{38}+y_{39}+y_{40}+y_{41})/6 left_centery:(y36+y37+y38+y39+y40+y41)/6
r i g h t _ c e n t e r x : ( x 42 + x 43 + x 44 + x 45 + x 46 + x 47 ) / 6 right\_center_x: (x_{42}+x_{43}+x_{44}+x_{45}+x_{46}+x_{47})/6 right_centerx:(x42+x43+x44+x45+x46+x47)/6
r i g h t _ c e n t e r y : ( y 42 + y 43 + y 44 + y 45 + y 46 + y 47 ) / 6 right\_center_y: (y_{42}+y_{43}+y_{44}+y_{45}+y_{46}+y_{47})/6 right_centery:(y42+y43+y44+y45+y46+y47)/6
I P N D = D ( l e f t _ c e n t e r x , l e f t _ c e n t e r y ) , ( r i g h t _ c e n t e r x , r i g h t _ c e n t e r y ) ) IPN_D = D{(left\_center_x, left\_center_y) , (right\_center_x, right\_center_y))} IPND=D(left_centerx,left_centery),(right_centerx,right_centery))
当然其中 d I O D d_{IOD} dIOD也可以人脸shape外接矩形对角线长度代替
2. M N E MNE MNE (the mean normalized error)
e = ∑ i = 1 N ∣ ∣ x p r e i − x g t i ∣ ∣ 2 N × d I O D × 100 % e=\frac{\sum^{N}_{i=1}||x_{pre_i}-x_{gt_i}||_2}{N\times d_{IOD}}\times 100\% e=N×dIOD∑i=1N∣∣xprei−xgti∣∣2×100%
MNE是N个facial landmarks 基于ION或者IPN的平均误差.
3 A U C a AUCa AUCa(the area-under-the-curve)
A U C a AUCa AUCa就是通过计算该曲线的面积进行评估
其中， e e e表示归一化误差， f ( e ) f(e) f(e)表示累积误差分布函数。
- 横坐标表示归一化误差值e（由1中式得）
- 纵坐标表示小于归一化误差e的特征点占所有特征点的比例
该曲线右下区域越大越好；值得一说的是，该方法的好处就在于AUCa值不像平均误差那样受单个点误差较大而发生较大变化，非常敏感
4. C E D CED CED (the Cumulative Errors Distribution curve)
CED与AUC有些类似，但又不同,如上图所示（参考PFLD中CED曲线）。
- 横坐标表示归一化点与点间的平均误差（MNE），见方法2；
- 纵坐标表示小于归一化误差 e e e的样本占总样本的比例
参考链接：
人脸对齐算法常用评价标准
模型评估指标AUC（area under the curve
【人脸对齐-Landmarks】300W 数据集