简介
（1）论文名称：
HINet: Half Instance Normalization Network for Image Restoration CVPR 2021
（2）论文链接：
https://arxiv.org/abs/2105.06086
（3）源代码：
https://github.com/megvii-model/HINet
主要idea
这篇论文本文探讨了规范化在低层次视觉任务中的作用，作者提出了一种新的块:半规范化块(HIN块)，以提高图像恢复网络的性能。基于HIN块，作者设计了一个简单而强大的多级网络HINet，它由两个子网组成。通过将HIN block用于每个子网络的编码器中，提升特征的稳定性。此外，使用交叉阶段特征融合（CSFF）和监督注意力模块（SAM），用于丰富不同阶段网络之间的特征。
实验简介
（1）数据集：
作者一共用了四个数据集
- SIDD
- Gopro
- REDS
- Rain13k
（2）预训练模型：
- HINet-SIDD-0.5x
- HINet-SIDD-1x
- HINet-GoPro
- HINet-REDS
- HINet-Rain13k
实验结果
所遇到的问题
- 代码中引用的scikit-image包必须是0.18版本，0.15版本会缺少相关功能且报错
运行失败信息
GPU不够
- 本人做实验所使用的电脑显卡为1050ti，但是在运行代码的Single Image Inference(执行操作为：python basicsr/demo.py -opt options/demo/demo.yml)时会报错，显示我的内存不足。具体信息如下图所示：
