大家好，欢迎来到IT知识分享网。
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
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/145020.html
