1 the inter-ocular distance normalized error
其中
x
i
x_i
xi 表示预测坐标点,表示ground-truth,
d
I
O
D
d_{IOD}
dIOD 表示两眼中心间距离,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,当然其中
d
I
O
D
d_{IOD}
dIOD也可以用两外眼角间距离、人脸shape外接矩形对角线长度代替
2 the mean normalized error (MNE)
符号意义与上面相同,仅仅多了一项平均项
3 the area-under-the-curve ( A U C α AUC_\alpha AUCα)
A
U
C
α
AUC_\alpha
AUCα 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
e
e(由1中式得),纵坐标表示小于归一化误差ee的特征点占所有特征点的比例,也就是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
A
U
C
α
AUC_\alpha
AUCα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
详见:https://blog.csdn.net/liweibin1994/article/details/79462554
4 the Cumulative Errors Distribution (CED) curve
CED与AUC有些类似,但又不同;如下图(来自Look at Boundary论文)
横坐标表示归一化点与点间误差
e
e
e,见1中公式;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,换句话说,误差
e
e
e 大于某个阈值TT的样本定义为失败样本,统计失败率;如图中在误差阈值为
T
=
0.1
T=0.1
T=0.1时,LAB的失败率为2.17%;另外图中Error是指平均误差(MNE),见方法2。