最终排名 85/1159

网址：https://zte.hina.com/zte/denoise

无缘复赛，太菜了，不好意思说自己学去噪的了，代码会开源，但是感觉没什么人看吧

尝试过的模型

• DnCNN：很差，0分
• UNet：很蓝，0分
• DAN：严重丢失细节，9分
• PMRID：48分
• FFDNet：只能做灰度图像
• SwinIR：输入图像太大了，爆显存
• DPIR：使用UNetRes+baseline达到20.97分
• baseline+baseline：38.42分
• HINet：很差
• Uformer：只能处理宽高一样的图片
• SRMNet：可以训练，好像很差？
• COLA-Net：爆显存
• DAGL：爆显存
• SADNet：CUDA报错了
• HWMNet：小波变换维度报错
• SCUNet：爆显存
• NBNet：报错
• DPHSIR：很差
• AODN：很差
• FAN：只适合rgb
• HDRUNet：报错
• AirNet：多个输入，无法用
• 旷视第一名：meg，没法用
• 旷视第二名：torch，很差
• 旷视第三名：meg，没法用
• 旷视第七名：meg，没法用
• 旷视第九名：meg，没法用
• 旷视第十名：torch，很差，验证报错
• DGUNet：爆显存
• MIRNet：使用warmup学习率，50.77分
• MIRNetv2：很差
• Restormer：使用warmup学习率，48.28分，很低
• NAFNet：很差

效果比较好的模型

• CycleISP：改进网络(不需要Variance)，验证集53.87(e=160)，测试集51.46分，使用warmup学习率验证集最高55.71
• MPRNet：使用warmup学习率，尝试加大网络结构(验证集57.01(e=473)，测试集55.41分)

---

网络改进

• 尝试切块训练和数据增强：尝试分块训练MPRNet，训练比较久，很差
• 数据增强：很差
• 换了L1损失：没有改进

Attention Mechanisms in Computer Vision: A Survey
https://arxiv.org/abs/2111.07624

通道：
Squeeze-and excitation networks
MPRNet用了：Image Super-Resolution Using Very Deep Residual Channel Attention Networks
Ecanet: Efficient channel attention for deep convolutional neural networks
Context encoding for semantic segmentation
Global secondorder pooling convolutional networks
Srm : A style-based recalibration module for convolutional neural networks
Gated channel transformation for visual recognition
Fcanet: Frequency channel attention networks
Spatio-temporal channel correlation networks for action classification
You look twice: Gaternet for dynamic filter selection in cnns
Spsequencenet: Semantic segmentation network on 4d point clouds

空间：
70篇非常多

通道-空间：
19篇非常多，列举重要的
CBAM: convolutional block attention module，训练太慢了，停止
Dual attention network for scene segmentation，爆显存
SCA-CNN: spatial and channel-wise attention in convolutional networks for image captioning
Bam: Bottleneck attention module，很多错误
Simam: A simple, parameter-free attention module for convolutional neural networks
Coordinate attention for efficientmobile network design，可以训练，很差
SA-Net: Shuffle Attention for Deep Convolutional Neural Networks，可以训练，很差
MIRNet中的DAU，可以训练，很差

后续提升

损失函数：L2+L1+FFT(尝试中)，MSSSIM，NAFNet中的PSNRloss
去模糊的网络：DeepRFT(signal number 32报错)，mimonet
加入跳跃连接
NAFNet改参数([4,8] 8 [4,8]随机切图旋转)
unet+mixup
GAN的使用

学习大佬开源代码

第17名：https://github.com/Fivethousand5k/ZTE_RawDenoise
第58名：https://blog.csdn.net/weixin_44875593/article/details/124909747