Update app.py

app.py

@@ -36,7 +36,7 @@ guide_text = """
 
 dev_summary = """
 ---
-###  개발 로그: f1: (0.68 → 0.92)
+###  개발 로그: f1: (0.68 → 0.96)
 단순한 튜닝이 아닌, **데이터 품질 개선**을 통해 문제를 해결한 10단계의 실험 과정입니다.
 
 | 단계 | 주요 시도 (Experiment) | F1-Score | 분석 및 결과 (Key Insight) |
@@ -48,22 +48,25 @@ dev_summary = """
 | **7** | ** 데이터 2차 전처리 (Cleaning)** | **0.82 ** | **불량 데이터 50% 삭제 → 성능 비약적 상승** |
 | **8** | **모델 변경 (EfficientFormer)** | **0.92 ** | 정제된 데이터에 최신 경량 모델 도입 |
 | 9~10 | 해상도/정규화 추가 실험 | 0.92 | 성능 수렴 (추가 개선폭 미미) |
+| 11 | 3차 전처리 | 0.96 | 손실 0.6->0.03으로 감소 |
+
 
 > 결과적으로 트랜스포머 고성능 모델보다 데이터 품질이 중요함. 허나 오염데이터 완전히 제거하진 않았음 자체적인 증강효과를 위해서
 
 ###  Classification Report
 
-| Class | Precision | Recall | F1-score | Support |
-|---|---:|---:|---:|---:|
-| PET | 0.85 | 0.88 | 0.86 | 218 |
-| Can | 0.95 | 0.89 | 0.92 | 283 |
-| Glass | 0.93 | 0.86 | 0.89 | 221 |
-| Paper | 0.90 | 0.98 | 0.94 | 315 |
-| Plastic | 0.91 | 0.93 | 0.92 | 308 |
-| Vinyl | 0.95 | 0.94 | 0.94 | 282 |
-| **Accuracy** |  |  | **0.92** | 1627 |
-| **Macro Avg** | 0.91 | 0.91 | 0.91 | 1627 |
-| **Weighted Avg** | 0.92 | 0.92 | 0.91 | 1627 |
+| Class    | Precision | Recall | F1-score | Support |
+|----------|----------:|-------:|---------:|--------:|
+| PET      | 0.96 | 0.94 | 0.95 | 218 |
+| Can      | 0.99 | 0.97 | 0.98 | 283 |
+| Glass    | 0.96 | 0.97 | 0.97 | 221 |
+| Paper    | 0.98 | 0.98 | 0.98 | 315 |
+| Plastic  | 0.95 | 0.95 | 0.95 | 308 |
+| Vinyl    | 0.95 | 0.97 | 0.96 | 282 |
+| **Accuracy** |  |  | **0.96** |  |
+| **Macro Avg** | 0.96 | 0.96 | 0.96 |  |
+| **Weighted Avg** | 0.97 | 0.96 | 0.96 |  |
+
 
 사용 데이터 : jms0923/tod: Trash_Object_Detection_Dataset_v1.0(zenodo)