Первая версия модели загружена

.idea/.gitignore

+# Default ignored files
+/shelf/
+/workspace.xml

.idea/cnnimagequalityenhancement.iml

+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$" />
+    <orderEntry type="inheritedJdk" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+</module>
\ No newline at end of file

.idea/inspectionProfiles/profiles_settings.xml

+<component name="InspectionProjectProfileManager">
+  <settings>
+    <option name="USE_PROJECT_PROFILE" value="false" />
+    <version value="1.0" />
+  </settings>
+</component>
\ No newline at end of file

.idea/misc.xml

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="Black">
+    <option name="sdkName" value="Python 3.10" />
+  </component>
+  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.10" project-jdk-type="Python SDK" />
+</project>
\ No newline at end of file

.idea/modules.xml

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectModuleManager">
+    <modules>
+      <module fileurl="file://$PROJECT_DIR$/.idea/cnnimagequalityenhancement.iml" filepath="$PROJECT_DIR$/.idea/cnnimagequalityenhancement.iml" />
+    </modules>
+  </component>
+</project>
\ No newline at end of file

.idea/vcs.xml

+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="VcsDirectoryMappings">
+    <mapping directory="" vcs="Git" />
+  </component>
+</project>
\ No newline at end of file

README.md

+# Учебный проект, посвященный улучшению качества сжатых изображений при помощи нейронных сетей (модель QECNN)
+
+## Датасет
+Для обучения используется датасет изображений BSD500 [1]. Изображения из датасета сконвертированы в формат yuv и хранятся в едином файле:
+при этом 400 изображений 480x320 находятся в файле BSD500train.yuv, и 100 изобажений находятся в файле BSD500test.yuv. Оба файла сжаты кодеком x265 с квантователем QP=35 и 
+помещены в файлы BSD500train.yuv и BSD500test.yuv, соответственно.
+
+## Модель
+Модель нейронной сети заимствована из работы [2]. 
+
+Код протестирован на OC Windows 10 и Ubuntu 24.
+
+## Описание задания к лабораторной работе
+Улучшить QECNN модель так, чтобы модифицированная версия:
+- выиграла на 100 изображениях из файла BSD500test.yuv в среднем 0.1 дБ и более по метрике PSNR; 
+
+Требования к реализации и результаты:
+- При обучении должны использоваться только изображения из папки файла BSD500train.yuv
+- Построить график функции PSNR/номер изображения для исходной и модифицированной моделей
+
+На почту eabelyaev@itmo.ru прислать отчет в виде презентации в pdf формате, который включает в себя:
+- ФИО студента, номер группы.
+- Описание предложенной модификации и результаты.
+- Ссылку на репозиторий с исходным кодом кодека и инструкцию по запуску.
+
+## Литература
+[1] https://github.com/BIDS/BSDS500<br />
+[2] R. Yang et al., "Enhancing Quality for HEVC Compressed Videos," IEEE Transactions on Circuits and Systems for Video Technology, 2019.
+[pdf](./doc/Enhancing_Quality_for_HEVC_Compressed_Videos.pdf)
\ No newline at end of file

YUV_RGB.py

+import PIL
+import numpy as np
+from PIL import Image
+from numpy import *
+
+def yuv_import(filename, fw, fh, numfrm):
+    fp = open(filename, 'rb')
+    d00 = fw // 2
+    d01 = fh // 2
+
+    Y = np.zeros((numfrm, fw, fh), np.uint8, 'C')
+    U = np.zeros((numfrm, d00, d01), np.uint8, 'C')
+    V = np.zeros((numfrm, d00, d01), np.uint8, 'C')
+
+    for i in range(numfrm):
+        for m in range(fw):
+            for n in range(fh):
+                # print m,n
+                Y[i, m, n] = ord(fp.read(1))
+        for m in range(d00):
+            for n in range(d01):
+                U[i, m, n] = ord(fp.read(1))
+        for m in range(d00):
+            for n in range(d01):
+                V[i, m, n] = ord(fp.read(1))
+    fp.close()
+    return (Y, U, V)
+
+def yuv_save(filename, fw, fh, numfrm,Y,U,V):
+    fp = open(filename, 'wb')
+    for i in range(numfrm):
+        Y[i].astype('uint8').tofile(fp)
+        U[i].astype('uint8').tofile(fp)
+        V[i].astype('uint8').tofile(fp)
+    fp.close()
+
+def yuv2rgb(Y, U, V, height, width, frames):
+    U_new = np.empty((U.shape[0], height, width))
+    for i in range(U.shape[0]):
+        U_new[i] = np.array(Image.fromarray(U[i], mode="L").resize(size=(width, height), resample=PIL.Image.BILINEAR))
+    V_new = np.empty((V.shape[0], height, width))
+    for i in range(V.shape[0]):
+        V_new[i] = np.array(Image.fromarray(V[i], mode="L").resize(size=(width, height), resample=PIL.Image.BILINEAR))
+    U = U_new
+    V = V_new
+    Y = Y
+
+    rf = Y + 1.4075 * (V - 128.0)
+    gf = Y - 0.3455 * (U - 128.0) - 0.7169 * (V - 128.0)
+    bf = Y + 1.7790 * (U - 128.0)
+
+    for i in range(frames):
+        for m in range(height):
+            for n in range(width):
+                if(rf[i, m, n] > 255):
+                    rf[i, m, n] = 255
+
+                if(gf[i, m, n] > 255):
+                    gf[i, m, n] = 255
+
+                if(bf[i, m, n] > 255):
+                    bf[i, m, n] = 255
+
+                if (rf[i, m, n] < 0):
+                    rf[i, m, n] = 0
+
+                if (gf[i, m, n] < 0):
+                    gf[i, m, n] = 0
+
+                if (bf[i, m, n] < 0):
+                    bf[i, m, n] = 0
+
+    r = rf
+    g = gf
+    b = bf
+
+    return r, g, b
+
+def rgb2yuv(R, G, B, height, width, frames):
+    Y = np.empty((R.shape[0], height, width))
+    U = np.empty((R.shape[0], height, width))
+    V = np.empty((R.shape[0], height, width))
+    Y = 0.299 * R + 0.587 * G + 0.114 * B
+    U = (B - Y) * 0.5643 + 128.0
+    V = (R - Y) * 0.7132 + 128.0
+
+    for i in range(frames):
+        for m in range(height):
+            for n in range(width):
+                if(Y[i, m, n] > 255):
+                    Y[i, m, n] = 255
+                if(U[i, m, n] > 255):
+                    U[i, m, n] = 255
+                if(V[i, m, n] > 255):
+                    V[i, m, n] = 255
+                if (Y[i, m, n] < 0):
+                    Y[i, m, n] = 0
+                if (U[i, m, n] < 0):
+                    U[i, m, n] = 0
+                if (V[i, m, n] < 0):
+                    V[i, m, n] = 0
+
+    h2 = np.around(height/2)
+    h2 = h2.astype(int)
+    w2 = np.around(width/ 2)
+    w2 = w2.astype(int)
+    Cb = np.empty((U.shape[0],h2 , w2))
+    Cr = np.empty((V.shape[0], h2, w2))
+
+    for i in range(frames):
+        for m in range(h2):
+            for n in range(w2):
+                Cb[i,m,n]   = (U[i, 2 * m, 2 * n]+U[i, 2 * m+1, 2 * n]+U[i, 2 * m, 2 * n+1]+U[i, 2 * m+1, 2 * n+1])/4
+                Cr[i, m, n] = (V[i, 2 * m, 2 * n]+V[i, 2 * m+1, 2 * n]+V[i, 2 * m, 2 * n+1]+V[i, 2 * m+1, 2 * n+1])/4
+
+    return Y, Cb, Cr
+

run.bat

+python QECNNYUV.py
+pause
\ No newline at end of file

yuvcompression/run_enc_dec_35_BSDintra.bat

+x265  --input-res 480x320 --fps 30 --input BSD500train.yuv -o test.hevc --crf 35 --keyint 1 --preset medium
+TAppDecoder.exe -b test.hevc -o BSD500trainc.yuv
+pause
\ No newline at end of file