Update README.md

README.md

@@ -1,36 +1,60 @@
 ---
 license: mit
 library_name: ultralytics
-pipeline_tag: object-detection
+pipeline_tag: image-segmentation
+tags:
+  - yolo
+  - yolov8
+  - object-detection
+  - image-segmentation
+  - robotics
+  - autonomous-navigation
 ---
-# 🦓 Модель `sidewalk .pt` — Обнаружение пешеходных светофоров для мобильных роботов
+# Модель `sidewalk.pt` — Обнаружение и сегментация городской среды для мобильных роботов
 
-Модель `sidewalk .pt` разработана для задачи **обнаружения пешеходных светофоров** с целью распознавания состояния сигнала — **красного** или **зелёного**.  
-Она основана на современной архитектуре **YOLOv8** от [Ultralytics](https://github.com/ultralytics/ultralytics) и предназначена для применения в **мобильных роботах**, передвигающихся в городской среде.
+Модель `sidewalk.pt` разработана для задачи **обнаружения и instance-сегментации** элементов городской инфраструктуры.  
+Она основана на современной архитектуре **YOLOv8** (задача `segment`) от [Ultralytics](https://github.com/ultralytics/ultralytics) и предназначена для применения в **мобильных роботах** (например, роботах-курьерах), передвигающихся по тротуарам и дорогам.
 
 ---
 
 ## 🎯 Назначение
 
-Модель ориентирована на использование в проектах **мобильной робототехники** и системах машинного зрения:
+Модель ориентирована на использование в проектах **мобильной робототехники** и системах автономной навигации для понимания сцены вокруг робота. Она помогает отличать безопасные зоны для движения (тротуары) от проезжей части, а также избегать столкновений с людьми, машинами и препятствиями.
+
+### 🏷️ Поддерживаемые классы (5 классов)
+Модель не только находит объекты рамками (Bounding Boxes), но и выделяет их пиксельные маски.
+
+| ID | Класс | Описание | 
+|:---:|:---|:---|:---|:---|
+| `0` | **Automobile** | Автомобили | 
+| `1` | **Person** | Пешеходы / Люди | 
+| `2` | **Obstacle** | Столбы, мусорки и прочие препятствия | 
+| `3` | **Road** | Проезжая часть | 
+| `4` | **Sidewalk** | Тротуар (пешеходная зона) | 
 
 ---
 
-## 🚀 Пример использования
+## ⚙️ Характеристики и метрики
+
+Модель обучена на разрешении `640x640` в течение 25 эпох.
 
-```python
-from ultralytics import YOLO
-import cv2
+| Параметр | Значение |
+|---|---|
+| 📦 **Архитектура** | YOLOv8 (Segmentation) |
+| 📅 **Дата обучения** | 2024-11-27 |
+| 📦 **Версия Ultralytics**| 8.2.103 |
+| 🎯 **Количество классов**| 5 |
+| 🖼️ **Размер изображения**| 640 px |
 
-# Загрузка модели
-model = YOLO("sidewalk .pt")
+### 📊 Точность модели (на валидации)
+- **Bounding Box (Обнаружение):** mAP@50 = **81.5%** | mAP@50-95 = **64.5%**
+- **Mask (Сегментация):** mAP@50 = **82.0%** | mAP@50-95 = **60.2%**
 
-# Загрузка изображения 
-img = cv2.imread("frame.jpg")
+---
+
+## 🚀 Пример использования
 
-# Предсказание
-results = model(img)
+Для использования модели вам потребуется библиотека `ultralytics` и `opencv-python`.
 
-# Отображение результата
-results[0].show()
-```
+```bash
+pip install ultralytics opencv-python