部分ground-truth无对应预测关键点时如何计算NME指标？

人脸关键点检测缺测点的指标计算通用方案 #

你提到的将缺测点归入失败结果集统计FR（失败率）、计算NME时忽略缺测点的方案是目前学界和工业界的主流处理方式，可落地性很强，具体执行时可以参考以下规则：

1. 明确失败判定维度和阈值 #

根据你的使用场景选择对应的判定规则，且规则必须公开明确，保证指标可复现、可对比：

• 单图级失败判定：只要单张图内的缺测点数量超过预设阈值（常见阈值为「缺1个即判定失败」、「缺测点占比超过5%判定失败」），整张图计入失败样本，不参与NME计算，最终单独统计：
  FR = 失败样本数 / 总测试样本数
• 关键点级失败判定：如果场景对漏检容忍度较高、缺测点占比极低，可以仅将缺测点排除在对应单图的NME计算外，额外补充统计关键点缺失率作为辅助指标即可。

2. 不同场景的适配建议 #

• 学术论文投稿场景：优先采用单图级失败判定规则，与主流公开数据集的 benchmark 规则保持一致，方便和SOTA结果直接对比，不要随意自定义规则避免指标失去可比性。
• 工业落地场景：除了NME和FR之外，建议额外统计缺测点的分布规律，比如是否集中在侧脸轮廓、遮挡区域、低分辨率人脸等特定样本上，方便针对性优化检测器的短板。
• 高安全级场景（比如人脸支付、身份核验）：如果不想拆分统计FR和NME，也可以选择给缺测点赋予最大误差值计入NME，这种方式会拉低整体NME表现，但能更严苛地反映模型的真实可用性。

3. 注意避坑 #

不要为了得到更优的NME结果刻意放宽失败阈值，比如将大量检测效果差、缺测点多的样本都归入失败集，最终得到的NME会严重失真，完全无法反映模型的实际性能。

内容的提问来源于stack exchange，提问作者user8510613