Update README.md

README.md

@@ -23,7 +23,7 @@ tags:
 
 ConvNext_Multi는 다중분광(멀티스펙트럼) 영상 데이터를 입력으로 하여 작물 및 식생을 분류하는 ConvNeXt 기반 이미지 분류 모델입니다. 드론 및 위성에서 촬영한 5밴드 (Blue, Green, Red, Near-Infrared, RedEdge) 영상을 효율적으로 처리하도록 설계되어, 고해상도 농업·환경 모니터링에 적합합니다.
 
-- **Developed by:** AI Research Team, Your Organization  
+- **Developed by:** AI Research Team, MuhanRnd  
 - **License:** MIT  
 - **Base model:** facebook/convnext-tiny-224  
 - **Languages:** Korean (모델 주석 및 문서화)  
@@ -58,7 +58,7 @@ ConvNext_Multi는 다중분광(멀티스펙트럼) 영상 데이터를 입력으
 
 ```python
 from transformers import AutoModelForImageClassification, AutoFeatureExtractor
-import torch```
+import torch
 
 # 모델과 특징 추출기 불러오기
 model = AutoModelForImageClassification.from_pretrained("your-org/ConvNext_Multi")
@@ -80,25 +80,23 @@ predicted_class = torch.argmax(logits, dim=1)
   - 라벨: 주요 작물 및 식생 클래스  
 - **Training Procedure:**  
   - 파인튜닝: facebook/convnext-tiny-224 기반  
-  - 에폭수: 30  
-  - 배치사이즈: 32  
+  - 에폭수: 100  
+  - 배치사이즈: 16  
   - 옵티마이저: AdamW  
-  - 학습률: 1e-4, Cosine Annealing 스케줄러 사용  
+  - 학습률: 1e-4, Step 스케줄러 사용  
 
 ## Evaluation
 
 - **Testing Data:** 별도 보유한 검증용 다중분광 이미지셋  
-- **Metrics:** 정확도(Accuracy), F1-Score  
+- **Metrics:** 정확도(Accuracy)
 - **Performance:**  
-  - Accuracy: 92.3%  
-  - F1-Score: 0.91  
+  - Accuracy: 90.0%   
 
 ## Environmental Impact
 
 - **Hardware:** NVIDIA RTX 3090 GPU  
-- **Training Duration:** 약 40시간  
-- **Carbon Emissions:** 약 50 kg CO2e (ML CO2 계산기 기반 추산)  
-
+- **Training Duration:** 약 15분
+  
 ## Citation
 ```
 @article{liu2022convnext,  
@@ -113,9 +111,8 @@ predicted_class = torch.argmax(logits, dim=1)
 
 - **다중분광 영상(Multispectral Imagery):** 여러 파장대의 빛을 분리하여 촬영한 영상으로, 작물의 생육 상태 분석 등에 활용됨  
 - **ConvNeXt:** 현대적인 구조를 갖춘 컨볼루션 신경망(CNN)  
-- **F1-Score:** 정밀도와 재현율의 조화평균, 불균형 데이터 평가에 효과적
 
 ## Model Card Authors
 
-- AI Research Team, Your Organization  
-- contact@yourorganization.com
+- AI Research Team, MuhanRnd 
+- pyh5214@muhanit.kr