本周试验结果显示，网络去噪部分加入BN层之后，以5个QP为一组进行训练，去噪部分psnr有0.2–0.3db的提升，超分部分psnr有0.8–1.2db的提升（与bicubic放大对比）。目前已经完成了QP21–QP25, QP26–QP30两组数据的训练，剩下的两组正在等待训练。分析试验结果，仅超分部分的增益而言，与目前的经典超分网络相比显得不足（优酷超分比赛中使用EDSR进行四倍放大有4db左右的提升），我们使用的网络结构相对简单，应该还有提升空间。
由于网络训练集的改变，论文中的数据都需要重新测试，现在正在熟悉SHM通过参考BL层对EL层编码的过程。如果网络结构不更改的话剩下的就是大量的测试工作。以下是试验的具体结果
SHVC
下图为使用QP26–QP30训练集进行训练的截图，训练到这个时候增益便已经稳定，通过调低学习率增益也没有明显的增长。可以看出，去噪部分的增益稳定在 0.2–0.3db，超分部分增益稳定在0.8–1.2db。泛化效果很好，测试集结果和训练集几乎相同。
YOUKU
直接使用EDSR的结构进行四倍放大，最后psnr稳定在38附近，使用bicubic放大psnr大概在32附近。
总结
现在论文上的主要任务是使用我们的网络代替SHM中的Interpolator进行对比，补全对比部分的数据