0、感想

先说说感想，再聊竞赛方案。

1、基本GAN及其缺陷

1.1、KL散度与JS散度

KL散度可衡量两个分布的距离：

$$D_{K L}(P \| Q)=\sum_{x \in X} P(x) \log \frac{P(x)}{Q(x)}$$

但KL散度不对称，将其中一个分布带入P和带入Q，得到的结果不同。JS散度对KL散度进行修正，保证了对称性：

上图为计算机视觉的三大任务，目标检测，语义分割和实例分割。

---

FCN

FCN的目的是对图片进行语义分割，即对每一个像素进行分类，输出该像素是否是物体上的像素。

主要思想

• 不含全连接层(fc)的全卷积(fully conv)网络。可适应任意尺寸输入。

1、目标检测之mAP指标的计算

1.1 计算precision和recall

网络预测出一些候选框时，即可根据预测框与ground truth框的IOU确定是否预测正确。当IOU大于某个阈值时（比如0.5），认为预测正确。

首先计算TP，TN，FN，计算方式如下：

零知识证明（zk-SNARK）

1.零知识证明的作用

• 在区块链的世界中，用地址来表示交易双方，这样达到了匿名的作用。然 而，链上的信息虽然是匿名的，但是通过链上信息绑定的链下信息，像很多交易 所都绑定了链上地址与链下的银行账户、支付宝，使得可以很方便的追溯真实世 界的交易双方，使得匿名性荡然无存。