人脸对齐算法常用评价标准总结
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
人脸对齐算法常用评价标准总结相关推荐
- 人脸对齐算法常用评价标准
人脸对齐常用评价标准 1 the inter-ocular distance normalized error 其中xixix_i表示预测坐标点,x∗ixi∗x^*_i表示ground- ...
- 【人脸对齐-Landmarks】人脸对齐算法常用评价标准
1 the inter-ocular distance normalized error 其中 xix_ixi 表示预测坐标点,表示ground-truth,dIODd_{IOD}dIOD 表示两 ...
- 人脸对齐算法调研(Face Alignment)
人脸对齐算法调研(Face Alignment) 转载自 https://zhuanlan.zhihu.com/p/101250334 一.人脸对齐的定义与作用(引用): https://blog.c ...
- 人脸检测 和 人脸对齐算法-Dlib-Opencv-MTCNN
人脸检测 和 人脸对齐算法算法-Dlib-Opencv-MTCNN 1.Dlib人脸检测 2.Opencv人脸检测 3.MTCNN人脸检测 1.Dlib人脸检测 2.Opencv人脸检测 3.MTCN ...
- 重磅!清华商汤开源CVPR2018超高精度人脸对齐算法LAB
清华&商汤开源超高精度人脸对齐算法LAB 同时发布含10000张人脸的多属性人脸关键点数据集 该算法来自CVPR2018论文<Look at Boundary: A Boundary-A ...
- SDM人脸对齐算法研究
人脸对齐的算法是我本科阶段的毕业设计课题,从最初的一脸迷茫到最后完成毕设,两个月的时光,恭喜自己顺利完成了毕业设计,在过程中,更是不能缺少指导老师以及学长们给予的帮助.衷心感谢! 人脸对齐的目的是对人 ...
- 3d人脸对齐代码matlab,重磅!清华商汤开源CVPR2018超高精度人脸对齐算法LAB
清华&商汤开源超高精度人脸对齐算法LAB 同时发布含10000张人脸的多属性人脸关键点数据集 该算法来自CVPR2018论文<Look at Boundary: A Boundary-A ...
- 机器学习--详解人脸对齐算法SDM-LBF
https://www.cnblogs.com/Anita9002/p/7095380.html 引自:http://blog.csdn.net/taily_duan/article/details/ ...
- 图像增强常用评价标准——峰值信噪比、结构相似度
图像增强的评价标准在像素层面上通常包含有平均绝对误差法(MAE).均方误差法(MSE).峰值信噪比(PSNR)以及结构相似度(SSIM),目前图像增强(图像超分辨率.图像去噪.图像去模糊.图像去雨,图 ...
最新文章
- wingide 显示中文 及 配色方案
- NYOJ 12 喷水装置(二)
- 圆桌问题 2011-12-29
- BLE控制器之物理层特性
- npm install是什么命令_了解npm
- 《微信小程序开发入门精要》——导读
- 手工xxoo Visual Assist X 笔记
- Winform中使用FastReport的PictureObject时通过代码设置图片源并使Image图片旋转90度
- poj 3517
- adb命令查看手机电量_desired Capabilities和aapt命令查看手机包信息
- 2018.7.28 二叉树的遍历规则(前序遍历、后序遍历、中序遍历)
- Apache的流处理技术概述
- 导致存储过程重新编译的原因
- UVa 10815 - Andy's First Dictionary
- CVPR 2021 | 谷歌发布视频全景分割数据集!顺带开发个模型屠榜
- 世界上最详细的Linux C udp实现文件传输
- MATLAB R2016a 简单介绍
- 阿里数据研发工程师实习生面试经历
- 编程达人教你如何快速掌握一门编程语言
- 计算机新教师汇报课报道,提升专业促成长—开元路小学开展新教师汇报课记实...