Update app.py

app.py

@@ -28,11 +28,11 @@ def classify_image(image):
 # 상단: 사용자 가이드 (다운로드 링크)
 # ---------------------------------------------------------
 guide_text = """
-### ⚠️ F1-Score 0.92 성능 확인하기 (필독!)
+###  F1-Score 0.92 성능 확인하기 (필독!)
 이 모델은 **산업용 엣지 디바이스(단순 배경)** 환경을 가정하여 만든 경량화 모델입니다.
 검증된 성능을 확인하시려면, 제가 학습에 실제 사용한 이미지를 넣어보세요.
 
-👉 **[📥 테스트용 샘플 이미지 다운로드 (클릭)](https://huggingface.co/spaces/mayonaise1979/image_classifier/blob/main/0126.zip)**
+ **[ 테스트용 샘플 이미지 다운로드 (클릭)](https://huggingface.co/spaces/mayonaise1979/image_classifier/blob/main/0126.zip)**
 """
 
 # ---------------------------------------------------------
@@ -47,13 +47,13 @@ dev_summary = """
 | :---: | :--- | :---: | :--- |
 | 1 | Baseline (MobileViT) | 0.68 | 낮은 성능, 클래스 불균형 확인 |
 | 2~3 | 증강(Augmentation) 재검증 | 0.67 | 학습률/증강 조절했으나 성능 정체 (효과 미미) |
-| 4~5 | Class Weight 적용 | 0.65 📉 | 노이즈 데이터에 과적합되어 성능 오히려 하락 |
+| 4~5 | Class Weight 적용 | 0.65  | 노이즈 데이터에 과적합되어 성능 오히려 하락 |
 | 6 | 파라미터 재조정 | 0.73 | 전처리 변경 없이는 한계임을 확인 |
-| **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 |
+| **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) |
 
-> **결론:** Transformer 모델의 성능은 **"얼마나 좋은 모델인가"보다 "얼마나 깨끗한 데이터인가"**가 결정함을 증명.
+> 결과적으로 트랜스포머 고성능 모델보다 데이터 품질이 중요함. 허나 오염데이터 완전히 제거하진 않았음 자체적인 증강효과를 위해서
 """
 
 # 3. 화면 구성