LiteCompress — программное решение для эффективного сжатия цифровых изображений с использованием технологий глубокого обучения и архитектур автоэнкодеров. Проект направлен на снижение объёма изображений при сохранении максимально возможного визуального качества и минимизации потерь значимой информации.

В основе проекта лежит сравнительный анализ различных архитектур автоэнкодеров, применяемых для задач сжатия изображений, включая классические свёрточные автоэнкодеры и их облегчённые варианты. На основе результатов сравнительного исследования планируется разработка оптимизированной модели, ориентированной не только на качество восстановления изображений, но и на снижение вычислительной сложности, количества параметров и требований к вычислительным ресурсам.

Разрабатываемая модель будет обучена и протестирована на наборах изображений с последующей оценкой по объективным метрикам качества, включая PSNR, SSIM и коэффициент сжатия. Дополнительно будет проведено сравнение времени обработки, размера модели и вычислительной нагрузки с более тяжёлыми архитектурами.

Практическим результатом проекта станет прототип программного решения, позволяющего выполнять кодирование и восстановление изображений с использованием облегчённой нейросетевой архитектуры. Предполагается возможность дальнейшего применения технологии в системах хранения и передачи изображений, веб-сервисах, мобильных и периферийных устройствах, где важны ограниченный объём памяти, пропускная способность сети и вычислительные ресурсы.

Отличительной особенностью проекта является комплексное рассмотрение задачи сжатия: оптимизируется не только степень уменьшения размера изображения, но и соотношение между качеством восстановления, вычислительной сложностью и ресурсами, необходимыми для работы модели.

На страницу проекта