# 4/15 論文進度
###### tags: `論文進度`

## 實驗環境
| 作業系統 | Windows 10 21H2 |
| -------- | -------- |
| CPU | Intel i7-9750H |
|GPU|NVIDIA GeForce RTX2070|
|記憶體|16 GB * 2 / DDR4 / 2667 MHz|

## 實驗結果
### GPU
原定此周跑出 HINet Baseline 結果，在 Windows 作業系統下建立 Docker 的 Ubuntu image 環境，程式執行出現以下情況，狀況仍尚未排除，目前已確認 CUDA 版本與 Pytorch 版本相符，並能使用 GPU 資源，但程式依舊出錯。
下周預估使用 Ubutun base 執行程式

RuntimeError: CUDA error: unknown error


### CPU
目前先以 CPU 執行 GoPro Dataset 實驗，測試結果與論文實驗結果相符
| 方法 | PSNR |SSIM|
| -------- | -------- | -------- |
| HINet (論文) | 32.77 |0.959|
|HINet (us)|32.7712|0.9593|

### Data類型
論文分為三種影像回復的種類，及其 Datasets 又個別分為

| 回復類型 | 資料集 |
| -------- | -------- |
| Denoising | SIDD |
| Deblurring |GoPro、REDS|
| Deraining |Rain100L、Rain100H、Test100、Test2800、Test1200|

在 2021 年裡 HINet 以些許評估指標的提升，勝過 MPRNet ，其評估指標為 SSIM 及 PSNR，下列三張圖為各個 Net 的實驗結果

## 論文閱讀
這篇論文將圖片分割為多個 Patch，進行測試以及訓練，其詳細內容會後續補上 Medium
論文連結:《[**Revisiting Global Statistics Aggregation for Improving Image Restoration**](https://arxiv.org/pdf/2112.04491v2.pdf)》

## 下周進度
- [ ] 補上 HINet 各 Datasets baseline
- [ ] 論文閱讀 :《[**Simple Baselines for Image Restoration**](https://arxiv.org/pdf/2204.04676v1.pdf)》
- [ ] 論文筆記整理 HINet