Update README.md

README.md

@@ -17,20 +17,20 @@ pipeline_tag: image-to-text
 
 ## Model Details
 
-**Model Name:** UMA-IA/VLM_Engine_Finetuned_Aero  
+**Model Name:** UMA-IA/AQUILA-Engine-v1 
 **Authors:**  
 - **Youri LALAIN**, Engineering student at French Engineering School ECE  
 - **Lilian RAGE**, Engineering student at French Engineering School ECE  
 
 **Base Model:** [Qwen/Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct)  
-**Fine-tuned Dataset:** [UMA-IA/UMA_Dataset_Engine_Aero_VLM](https://huggingface.co/datasets/UMA-IA/UMA_Dataset_Engine_Aero_VLM)  
+**Fine-tuned Dataset:** [UMA-IA/PYXIS-Engine-v1](https://huggingface.co/datasets/UMA-IA/UMA_Dataset_Engine_Aero_VLM)  
 **License:** Apache 2.0  
 
 ## Model Description
 
 # Qwen2.5-VL Fine-tuned pour la détection de composants de moteurs aérospatiaux
 
-VLM_Engine_Finetuned_Aero est une version spécialisée du modèle Qwen2.5-VL-7B-Instruct, fine-tunée pour détecter, identifier et analyser les composants de moteurs aéronautiques et aérospatiaux à partir d'images. Le modèle exploite le dataset UMA-IA/UMA_Dataset_Engine_Aero_VLM pour améliorer sa capacité à reconnaître les pièces spécifiques, les défauts potentiels et les caractéristiques techniques des systèmes de propulsion.
+UMA-IA/AQUILA-Engine-v1 est une version spécialisée du modèle Qwen2.5-VL-7B-Instruct, fine-tunée pour détecter, identifier et analyser les composants de moteurs aéronautiques et aérospatiaux à partir d'images. Le modèle exploite le dataset UMA-IA/PYXIS-Engine-v1 pour améliorer sa capacité à reconnaître les pièces spécifiques, les défauts potentiels et les caractéristiques techniques des systèmes de propulsion.
 
 ## Capacités
 - Détection et identification précise des composants de moteurs aéronautiques
@@ -45,7 +45,7 @@ VLM_Engine_Finetuned_Aero est une version spécialisée du modèle Qwen2.5-VL-7B
 - Aide visuelle
 
 ## Détails de l'entraînement
-Ce modèle a été fine-tuné sur UMA-IA/UMA_Dataset_Engine_Aero_VLM, un dataset spécialement créé pour l'identification visuelle de composants de moteurs aérospatiaux. L'entraînement a été réalisé en utilisant des techniques de fine-tuning supervisé pour adapter le modèle Qwen2.5-VL à la reconnaissance de composants techniques spécifiques.
+Ce modèle a été fine-tuné sur UMA-IA/PYXIS-Engine-v1, un dataset spécialement créé pour l'identification visuelle de composants de moteurs aérospatiaux. L'entraînement a été réalisé en utilisant des techniques de fine-tuning supervisé pour adapter le modèle Qwen2.5-VL à la reconnaissance de composants techniques spécifiques.
 
 ## Comment utiliser le modèle
 Vous pouvez charger le modèle en utilisant la bibliothèque `transformers` de Hugging Face :
@@ -57,7 +57,7 @@ import requests
 from io import BytesIO
 
 # Charger le modèle et le tokenizer
-model_name = "UMA-IA/VLM_Engine_Finetuned_Aero"
+model_name = "UMA-IA/AQUILA-Engine-v1"
 model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)
 tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)