Update app.py

app.py

@@ -27,7 +27,7 @@ def classify_image(image):
 
 guide_text = """
 ###  F1-Score 0.92 성능 확인하기 (필독!)
-이 모델은 **산업용 엣지 디바이스(단순 배경)** 환경을 가정하여 만든 경량화 모델입니다.
+이 모델은 산업용 엣지 디바이스(단순 배경) 환경을 가정하여 만든 경량화 모델입니다.
 검증된 성능을 확인하시려면, 제가 학습에 실제 사용한 이미지를 넣어보세요.
 
  <a href="https://huggingface.co/datasets/mayonaise1979/datasets/resolve/main/0126.zip" target="_blank">테스트용 샘플 이미지 다운로드 (클릭)</a>
@@ -45,8 +45,8 @@ dev_summary = """
 | 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 |
 | 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) |
 | 11 | 3차 전처리, 모델변경: google/vit-base-patch16-224 | 0.96 | 손실 0.6->0.03으로 감소 |