Update README.md

README.md

@@ -3,18 +3,47 @@ title: Boundary Detection System
 emoji: 🚀
 colorFrom: red
 colorTo: red
-sdk: docker
-app_port: 8501
-tags:
-- streamlit
+sdk: streamlit
 pinned: false
-short_description: Boundary-Detection-System
+short_description: CNN-based Boundary Detection System for BSDS500
 license: apache-2.0
 ---
 
-# Welcome to Streamlit!
+# 🎯 CNN Boundary Detection System (Edge Detection)
+## CNN Tabanlı Kenar ve Sınır Tespit Sistemi
 
-Edit `/src/streamlit_app.py` to customize this app to your heart's desire. :heart:
+### 📝 Project Overview / Proje Özeti
+**EN:** This project is a Deep Learning application that detects object boundaries in images. It uses a custom Convolutional Neural Network (CNN) architecture trained on the **BSDS500 (Berkeley Segmentation Dataset)**. 
 
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
+**TR:** Bu proje, görüntülerdeki nesne sınırlarını tespit eden bir Derin Öğrenme uygulamasıdır. **BSDS500 (Berkeley Bölütleme Veri Seti)** üzerinde eğitilmiş özel bir Evrişimli Sinir Ağı (CNN) mimarisi kullanır.
+
+---
+
+### 🚀 Key Features / Temel Özellikler
+* **Custom CNN Architecture:** Built from scratch using TensorFlow/Keras. (Sıfırdan inşa edilmiş CNN mimarisi.)
+* **Dual-Language UI:** Streamlit interface in both English and Turkish. (Türkçe ve İngilizce arayüz.)
+* **Centered & Side-by-Side:** Professional layout for comparison. (Karşılaştırma için yan yana ve ortalanmış profesyonel düzen.)
+* **Smart Overlay:** Visualizes detected edges in green. (Tespit edilen kenarları yeşil renk ile görselleştirir.)
+
+---
+
+### 🛠️ Technical Details / Teknik Detaylar
+* **Input Size:** 168x168 pixels.
+* **Dataset:** BSDS500.
+* **Backend:** Python, TensorFlow, OpenCV.
+* **Frontend:** Streamlit.
+
+---
+
+### 📂 How to Use / Nasıl Kullanılır?
+1. **EN:** Upload an image using the "Browse files" button.
+2. **TR:** "Browse files" butonunu kullanarak bir resim yükleyin.
+3. **Result:** The model will show the original image and the boundary prediction side-by-side. (Model, orijinal resmi ve sınır tahminini yan yana gösterecektir.)
+
+---
+
+### 🎓 Academic Context / Akademik Bağlam
+**EN:** Developed for Computer Vision / Deep Learning coursework.
+**TR:** Bilgisayarlı Görü / Derin Öğrenme ders ödevi kapsamında geliştirilmiştir.
+
+---