概述
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}{Ntimes 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
最后
以上就是幽默蜡烛为你收集整理的人脸对齐算法常用评价标准总结1. I O N 和 I P N ION和IPN 的全部内容，希望文章能够帮你解决人脸对齐算法常用评价标准总结1. I O N 和 I P N ION和IPN 所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复