人脸关键点检测评价指标:NME
NME(Normalization Mean Error),通常用于评估人脸对齐算法的质量。每个图像的 NME 定义为:所有预测点与ground-truth之间的L2 Norm,除以(关键点个数*两只眼睛之间的距离),具体计算公式如下:
N M E ( P , P ^ ) = 1 M ∑ i = 1 M ∣ ∣ p i − p ^ i ∣ ∣ 2 d NME(P,\hat P) = \frac{1}{M} \sum_{i=1}^{M} \frac{|| p_i - \hat p_i||_2}{d} NME(P,P^)=M1i=1∑Md∣∣pi−p^i∣∣2
其中, P P P 和 P ^ \hat P P^分别是每幅图像关键点坐标的真实值和预测值, p ^ i \hat p_i p^i 为第 i i i 个坐标的预测值, p i p_i pi 为第 i i i 个坐标的ground-truth,d为归一化因子。d可以为IPN(Inter- pupil distance normalized error ),也可以为ION(inter-ocular distance normalized error)。IPN表示两眼瞳孔间的距离,ION表示两眼外眼角间的距离。
Adaptive Wing Loss for Robust Face Alignment via Heatmap Regression - Wang_Adaptive_Wing_Loss_for_Robust_Face_Alignment_via_Heatmap_Regression_ICCV_2019_paper.pdf
Adaptive Wing Loss for Robust Face Alignment via Heatmap Regression - Wang_Adaptive_Wing_Loss_for_Robust_Face_Alignment_via_Heatmap_Regression_ICCV_2019_paper.pdf