From dee137161bb71858d89c00372412c9dcb31f29f1 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?Vanesa=20Lomas=20Garc=C3=ADa?=
 <72498922+VanesaLomas@users.noreply.github.com>
Date: Mon, 10 May 2021 21:15:12 +0200
Subject: [PATCH] Update README.md

---
 README.md | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/README.md b/README.md
index 75fd110..a8366c1 100644
--- a/README.md
+++ b/README.md
@@ -12,7 +12,7 @@ Tree Detector es un sistema de visión artificial que resolverá el problema de
 
 El problema de detección de árboles en imágenes aéreas se ha enfocado como un problema de **detección de objetos**. Para ello, se probó con diversas redes de detección de objetos como son YOLO v3 y Faster R-CNN, pero fue con **RetinaNet** con la que se obtuvieron mejores resultados. Dicha red puede encontrarse en este [repositorio](https://github.com/fizyr/keras-retinanet).
 
-Para el entrenamiento de RetinaNet se elaboró un dataset a partir de imágenes de Google Maps, que pueden encontrarse en el directorio ```.images/train_images/```. Cada una de estas imágenes de entrenamiento va acompañada de su correspodiente archivo .xml con los árboles etiquetados. En el apartado [Instalación del Repositorio](https://github.com/pasensio97/AIVA_2021-imagenes_aereas/blob/main/README.md#instalaci%C3%B3n-del-repositorio) se proporciona un enlace para poder descargarse el modelo entrenado. 
+Para el entrenamiento de RetinaNet se elaboró un dataset a partir de imágenes de Google Maps, que pueden encontrarse en el directorio ```.images/train_images/```. Cada una de estas imágenes de entrenamiento va acompañada de su correspodiente archivo .xml con los árboles etiquetados. En el apartado 'Instalación del Repositorio' se proporciona un enlace para poder descargarse el modelo entrenado. 
 
 Para programar la aplicación se ha seguido una programación orientada a objetos, cuyas clases pueden encontrarse en el directorio ```./scr/```. El siguiente diagrama de secuencia muestra de forma gráfica el funcionamiento de la apliación: