Add icon and SCNet

README.md

 # MaskedDenoising
 ## 论文
-[Masked Image Training for Generalizable Deep Image Denoising](https://arxiv.org/abs/2303.13132)
+`Masked Image Training for Generalizable Deep Image Denoising`
+- https://arxiv.org/abs/2303.13132
 
 ## 模型结构
-
-本文对模型修改较小，主要基于SwinIR模型结构增加了input mask 和 attention masks。
+本文对模型修改较小，主要基于SwinIR模型结构增加了`input mask`和`attention masks`。
 
 <div align=center>
     <img src="./doc/method.jpg"/>
 </div>
 
 ## 算法原理
-
 传统的去噪模型是靠识别噪声本身来起去噪作用的,而不是真正理解图像内容模型。本文的模型在特征提取之后，会对输入图像进行随机大比例遮盖（input mask），比如遮盖75%~85%的像素，迫使网络学习重构被遮盖的内容，增强对图像本身分布的建模能力。遮挡训练的方法可以使模型学习理解和重构图像的内容，而不仅仅依赖于噪声特征，从而获得更好的泛化能力。
 
 <div align=center>
@@ -21,7 +20,6 @@
 ## 环境配置
 
 ### Docker（方法一）
-
 -v 路径、docker_name和imageID根据实际情况修改
 
 ```image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04.1-py38-latest
@@ -33,7 +31,6 @@ pip install -r requirement.txt
 ```
 
 ### Dockerfile（方法二）
-
 -v 路径、docker_name和imageID根据实际情况修改
 
 ```
@@ -47,7 +44,6 @@ pip install -r requirement.txt
 ```
 
 ### Anaconda（方法三）
-
 1、关于本项目DCU显卡所需的特殊深度学习库可从光合开发者社区下载安装： https://developer.hpccube.com/tool/
 
 ```
@@ -66,27 +62,22 @@ pip install -r requirement.txt
 ```
 
 ## 数据集
+数据集下载地址：[SCNet AIDatasets](http://113.200.138.88:18080/aidatasets)，将待训练数据`Train400/DIV2K/Flickr2K`放入`trainset`文件夹中
 
-将待训练数据Train400/DIV2K/Flickr2K放入 trainset 文件夹中
-
-Train400：https://github.com/cszn/DnCNN/tree/master/TrainingCodes/DnCNN_TrainingCodes_v1.0/data
-
-DIV2K官方地址：https://data.vision.ee.ethz.ch/cvl/DIV2K/
-
-[Train Data (HR images)](http://data.vision.ee.ethz.ch/cvl/DIV2K/DIV2K_train_HR.zip)
+[Train400](https://github.com/cszn/DnCNN/tree/master/TrainingCodes/DnCNN_TrainingCodes_v1.0/data)
 
-如果官方地址无法下载，可以选择AiStudio公开数据集里的DIV2K下载DIV2K_train_HR.zip：https://aistudio.baidu.com/aistudio/datasetdetail/104667
+[Train Data (HR images)](http://113.200.138.88:18080/aidatasets/project-dependency/div2k/-/blob/master/DIV2K_train_HR.zip)
 
-Flickr2K：https://cv.snu.ac.kr/research/EDSR/Flickr2K.tar
+[Flickr2K](http://113.200.138.88:18080/aidatasets/project-dependency/flickr2k/-/blob/master/Flickr2K.tar)
 
-数据整理完成后，保存在trainset文件夹下，执行gen_data.py获得预处理图像文件夹 trainsets/trainH。
+数据整理完成后，保存在`trainset`文件夹下，执行`gen_data.py`获得预处理图像文件夹`trainsets/trainH`。
 
 ```
-gen_data.py
+python gen_data.py
 ```
 
 测试数据集(已在项目中预置)：BSD68、CBSD68、Kodak24、McMaster
-https://github.com/cszn/FFDNet/tree/master/testsets
+- https://github.com/cszn/FFDNet/tree/master/testsets
 
 数据集的目录结构如下：
 
@@ -105,45 +96,42 @@ https://github.com/cszn/FFDNet/tree/master/testsets
 ```
 
 ## 训练
-
-修改配置文件 options/masked_denoising/input_mask_80_90.json 中参数为实际训练数据，主要参数如下：
+修改配置文件`options/masked_denoising/input_mask_80_90.json`中参数为实际训练数据，主要参数如下：
 
 "gpu_ids": [0,1,2,3] 训练的卡号
 
 "dataroot_H": "trainsets/trainH" 数据地址
 
-input mask: 设置 "if_mask"和"mask1", "mask2"(line 32-34), 制作比例将在mask1和mask2之间随机采样。
+input mask: 设置 "if_mask"和"mask1"，"mask2"(line 32-34)， 制作比例将在mask1和mask2之间随机采样。
 
-attention mask: 设置 "use_mask" 和 "mask_ratio1", "mask_ratio2" (line 68-70). attention mask ratio 可以是一个范围或者一个固定值。
+attention mask: 设置 "use_mask" 和 "mask_ratio1"，"mask_ratio2" (line 68-70)，`attention mask ratio`可以是一个范围或者一个固定值。
 
 ### 单机多卡
 #### 普通训练
-```
+```bash
 bash train.sh
 ```
 
 #### 分布式训练
-```
+```bash
 bash train_multi.sh
 ```
 
 ## 推理
 如需使用自己的模型，请修改：
 
---model_path 训练模型地址
+`--model_path` 训练模型地址
 
---opt 训练模型对应的json文件
+`--opt` 训练模型对应的json文件
 
---name 结果保存路径results/{name}
+`--name` 结果保存路径`results/{name}`
 
 #### 单卡推理
-
-```
+```bash
 bash test.sh
 ```
 
 ## result
-
 本地测试集测试结果单张展示：
 
 <div align=center>
@@ -155,14 +143,12 @@ bash test.sh
 </div>
 
 ### 精度
-
 基于项目提供的测试数据，得到单卡测试结果如下：
 
-|       | PSNR | SSIM | LPIPS  |
+| DEVICE | PSNR | SSIM | LPIPS |
 | :------: | :------: | :------: | :------: |
-| ours | 29.04 | 0.7615 | 0.1294  |
-| paper | 30.13 | 0.7981 | 0.1031 |
-
+| Z100L | 29.04 | 0.7615 | 0.1294 |
+| V100S | 30.13 | 0.7981 | 0.1031 |
 
 ## 应用场景
 ### 算法类别
@@ -172,7 +158,7 @@ bash test.sh
 交通,公安,制造
 
 ## 源码仓库及问题反馈
-http://developer.hpccube.com/codes/modelzoo/maskeddenoising_pytorch.git
+- http://developer.hpccube.com/codes/modelzoo/maskeddenoising_pytorch.git
 
 ## 参考资料
-https://github.com/haoyuc/MaskedDenoising.git
+- https://github.com/haoyuc/MaskedDenoising.git