mAPH

相信阅读过在Waymo数据集上测试论文的同学都会发现mAPH这个指标，但是我在查阅了全网的资料居然都没相关的解释（除了需要翻墙才能进的Waymo官网下的What’s Next）。

所以为了帮助下一个想了解却苦苦无法找到相关解释的人，这里给出官方的介绍截图和我的理解（其实不难）

首先给出官网截图，如果基础较好的同学自行阅读就好：

首先我们回顾一下$mAP$：计算出$Precision$与$Recall$两个参数之后，以$Precision$和$Recall$分别为纵轴和横轴，就可以画出 $Precision-Recall（P-R）$曲线，如图：

$P-R$曲线所围成的面积就叫做为$AveragePrecision（AP）$。
其中：
$Precision=TP/(TP+FP)$
$Recall=TP/(TP+FN)$

至于$TP、TN、FP、FN$四个参数的数量之和为样本总量，他们代表的分类结果如下表：

最后我们回看官网解释，不难知道，它的计算方法与mAP不同的地方在于绘制的P-R图是由预测的heading准确率加权的，即TP参数会被预测的heading加权。记预测的heading与真实的heading角度差为A（A值域为$[0,\Pi ]$），对每一个真正例的TP计算方法如下：
$TP=1-A/\Pi$
（$mAP$中的每个目标的$TP$为1，即混淆矩阵中TP的个数和这里变成了每一个目标加权之后的TP之和）
其他指标都不变，以此来绘制$P-R$图并计算mAP就是$mAPH$了。