1. 程式人生 > >人臉對齊演算法常用評價標準,人臉關鍵點的評價標準 人臉對齊演算法常用評價標準

人臉對齊演算法常用評價標準,人臉關鍵點的評價標準 人臉對齊演算法常用評價標準

人臉對齊演算法常用評價標準

2018年08月24日 09:43:50 閱讀數:124
													<span class="tags-box artic-tag-box">
							<span class="label">標籤:</span>
															<a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;Face Alignment&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=Face Alignment&amp;t=blog" target="_blank">Face Alignment																</a><a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;評估標準&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=評估標準&amp;t=blog" target="_blank">評估標準																</a>
						<span class="article_info_click">更多</span></span>
																				<div class="tags-box space">
							<span class="label">個人分類:</span>
															<a class="tag-link" href="https://blog.csdn.net/u011681952/article/category/7963613" target="_blank">Face Alignment																</a>
						</div>
																							</div>
			<div class="operating">
													</div>
		</div>
	</div>
</div>
<article class="baidu_pl">
	<div id="article_content" class="article_content clearfix csdn-tracking-statistics" data-pid="blog" data-mod="popu_307" data-dsm="post">
							<div class="article-copyright">
				版權宣告:未經博主允許,不得轉載!					https://blog.csdn.net/u011681952/article/details/81985559				</div>
							            <div class="markdown_views prism-atom-one-dark">
						<!-- flowchart 箭頭圖示 勿刪 -->
						<svg xmlns="http://www.w3.org/2000/svg" style="display: none;"><path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path></svg>
						<p><strong>人臉對齊常用評價標準</strong></p>

1 the inter-ocular distance normalized error

       這裡寫圖片描述
       其中xixi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)

       這裡寫圖片描述
       符號意義與上面相同,僅僅多了一項平均項

3 the area-under-the-curve (
AUCaAUCa)

       AUCaAUCa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)
       


       橫座標表示歸一化點與點間誤差ee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