diff --git a/README.md b/README.md
new file mode 100644
index 0000000..a7b45f6
--- /dev/null
+++ b/README.md
@@ -0,0 +1,23 @@
+### Aplikacja iOS rozpoznająca tablice rejestracyjne pojazdów
+
+___
+Surowy zbiór danych: 
+- [Kaggle/car-plate-detection](https://www.kaggle.com/datasets/andrewmvd/car-plate-detection?fbclid=IwAR1PmFR4HCju2uqKWs9u0RWO6TxTynyIBIBMttuzGGfTWopLUIhVYrKx-U8)  
+
+Dane przygotowane do uczenia modelu: 
+- [Roboflow/wko](https://universe.roboflow.com/wko/car-license-plate-occlq/dataset/1)
+  (należy pobrać w formacie yoloV3 Keras)
+
+Aby uruchomić trening modelu z folderu `API` należy w pliku `train.py` zmodyfikować domyślne ścieżki z anotacjami, oczekiwanymi klasami oraz wielkościami ramek (anchors).  Następnie można uruchomić powyższy plik i czekać na model. W rezultacie otrzymamy dwa modele:
+- `_stage.h5` - model po podstawowym uczeniu;
+- `_final.h5` - model po fine tuningu na odmrożonych warstwach z domyślnego procesu uczenia. 
+
+___
+### Aplikacja 
+Aby skorzystać z aplikacji należy najpierw uruchomić API oparte na frameworku FLASK - (`python -m pip install flask`), z którym komunikuje się aplikacja. W tym celu trzeba wywołać poniższe polecenia z głównego katalogu projektu: 
+ - `export FLASK_APP=API/api.py`
+ - `flask run --without-threads`
+W terminalu otrzymamy address na którym serwis został uruchomiony. Należy go skopiować i po otwarciu projektu `App/LicensePlates/LicensePlates.xcodeproj` wkleić jako wartość zmiennej `_apiAddress_` w klasie `Api`.  
+Ostatnim krokiem jest zbudowanie aplikacji w IDE.
+
+