diff --git a/README.md b/README.md
index 89bdbc39fbe581067cdfb3599b9bd6f23f4a0298..ddc8388252d47ad40c0f7ca5baa8aa02543398b2 100644
--- a/README.md
+++ b/README.md
@@ -1,4 +1,4 @@
-# Учебный проект, посвященный улучшению качества сжатых изображений при помощи нейронных сетей (модель QECNN)
+# Учебный проект, посвященный улучшению качества сжатых изображений при помощи нейронных сетей 
 
 ## Датасет
 Для обучения используется датасет изображений BSD500 [1]. Изображения из датасета сконвертированы в формат yuv и хранятся в едином файле:
@@ -8,13 +8,14 @@
 ## Модель
 Модель нейронной сети заимствована из работы [2]. Эффективность работы текущей версии модели можно представить в виде графика ниже:
 ![PSNR до и после улучшения для первых 20 изображений](./doc/Figure_1.png)
+
 Как можно заметить, на 100 тестовых изображениях выигрыш базовой модели составляет 0.2 дБ.
 
 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 0.2 дБ и более по метрике PSNR, т.е. обеспечивала выигрыш 0.4 дБ относительно JPEG; 
+- выиграла на 100 изображениях из файла BSD500test.yuv в среднем 0.2 дБ и более по метрике PSNR, т.е. обеспечивала выигрыш 0.4 дБ относительно x265; 
 
 Требования к реализации и результаты:
 - При обучении должны использоваться только изображения из папки файла BSD500train.yuv
@@ -23,7 +24,7 @@
 На почту eabelyaev@itmo.ru прислать отчет в виде презентации в pdf формате, который включает в себя:
 - ФИО студента, номер группы.
 - Описание предложенной модификации с обоснованием, почему модификация даёт выигрыш.
-- Графики для 100 изображений со значениями PSNR для JPEG, базовой и модифицированной моделей.
+- Графики для 100 изображений со значениями PSNR для x265, базовой и модифицированной моделей.
 - Ссылку на репозиторий с исходным кодом кодека и инструкцию по запуску.
 
 ## Литература