Update README.md

README.md

@@ -1,10 +1,48 @@
 ---
+library_name: ultralytics
+license: agpl-3.0
+language: pt
+pipeline_tag: object-detection
 tags:
 - object-detection
 - yolo
+- yolov8
 - framenet
-library_name: ultralytics
+- pytorch
 ---
-# ReINVenTA: YOLOv8 Object Detector
-Modelo de detecção de objetos treinado no dataset Flickr30k Entities (Estágio 1).
-Parte do projeto **ReINVenTA** do laboratório **FrameNetBrasil**.
+
+# 👁️ ReINVenTA: YOLOv8 Object Detector (Stage 1)
+
+> **Detector de Elementos de Frame (Fine-Tuned YOLOv8-Medium)**
+
+Este modelo representa o **Estágio 1 (Percepção Simbólica)** do pipeline **ReINVenTA**. Ele atua como os "olhos" do sistema, transformando pixels brutos em uma lista estruturada de entidades presentes na cena.
+
+## 🚀 Sobre o Modelo
+Treinado no dataset **Flickr30k Entities**, este modelo foi adaptado para detectar **635 tipos de Elementos de Frame** (ex: `People`, `Clothing`, `Animals`, `Vehicles`, `Tools`).
+
+- **Base Model:** YOLOv8m (Medium)
+- **Dataset:** Flickr30k Entities (Bounding Boxes)
+- **Função:** Detecção de objetos para construção de vetor simbólico (Neuro-Symbolic Fusion).
+
+## 💻 Como Usar
+
+Para utilizar este modelo, você precisa da biblioteca `ultralytics`.
+
+```bash
+pip install ultralytics huggingface_hub
+from ultralytics import YOLO
+from huggingface_hub import hf_hub_download
+
+# 1. Baixar o modelo do Hub
+model_path = hf_hub_download(repo_id="FrameNetBrasil/reinventa-yolo-detection", filename="best.pt")
+
+# 2. Carregar com Ultralytics
+model = YOLO(model_path)
+
+# 3. Inferência
+results = model("[https://ultralytics.com/images/bus.jpg](https://ultralytics.com/images/bus.jpg)")  # Aceita URL ou caminho local
+
+# 4. Resultados
+for result in results:
+    result.show()  # Mostra a imagem com caixas
+    print(result.names) # Lista de classes detectadas