Update README.md

README.md

@@ -1,3 +1,140 @@
----
-license: cc
----
+---
+license: cc-by-nc-4.0
+tags:
+- image-classification
+- pytorch
+- defect-detection
+- manufacturing
+- quality-control
+language:
+- ko
+datasets:
+- custom
+metrics:
+- accuracy
+library_name: pytorch
+pipeline_tag: image-classification
+---
+
+# 의장공정 불량품 분류 모델 (Assembly Process Defect Classification)
+
+이 모델은 의장공정에서 발생하는 다양한 불량 유형을 분류하기 위해 ResNet50 아키텍처를 기반으로 파인튜닝된 모델입니다.
+
+## 모델 정보
+
+- **아키텍처**: ResNet50
+- **클래스 수**: 24개
+- **입력 크기**: 224x224 RGB 이미지
+- **분류 카테고리**: 12가지 불량 유형 × 2가지 품질 상태 (불량품/양품)
+
+## 분류 클래스
+
+### 불량 유형별 분류
+- **고정 불량**: 불량품(0), 양품(1)
+- **고정핀 불량**: 불량품(2), 양품(3)
+- **단차**: 불량품(4), 양품(5)
+- **스크래치**: 불량품(6), 양품(7)
+- **실링 불량**: 불량품(8), 양품(9)
+- **연계 불량**: 불량품(10), 양품(11)
+- **외관 손상**: 불량품(12), 양품(13)
+- **유격 불량**: 불량품(14), 양품(15)
+- **장착 불량**: 불량품(16), 양품(17)
+- **체결 불량**: 불량품(18), 양품(19)
+- **헤밍 불량**: 불량품(20), 양품(21)
+- **홀 변형**: 불량품(22), 양품(23)
+
+## 사용법
+
+### 모델 로드 및 추론
+
+```python
+import torch
+from torchvision import models, transforms
+from PIL import Image
+
+# 모델 로드
+model = models.resnet50(num_classes=24)
+model.fc = torch.nn.Linear(model.fc.in_features, 24)
+model.load_state_dict(torch.load('pytorch_model.bin', map_location='cpu'))
+model.eval()
+
+# 이미지 전처리
+transform = transforms.Compose([
+    transforms.Resize((224, 224)),
+    transforms.ToTensor(),
+    transforms.Normalize(mean=[0.485, 0.456, 0.406],
+                         std=[0.229, 0.224, 0.225])
+])
+
+# 추론
+img = Image.open('your_image.jpg').convert('RGB')
+input_tensor = transform(img).unsqueeze(0)
+
+with torch.no_grad():
+    outputs = model(input_tensor)
+    predicted_class = torch.argmax(outputs, dim=1).item()
+
+# 클래스명 매핑
+class_names = {
+    0: '고정 불량_불량품', 1: '고정 불량_양품',
+    2: '고정핀 불량_불량품', 3: '고정핀 불량_양품',
+    4: '단차_불량품', 5: '단차_양품',
+    6: '스크래치_불량품', 7: '스크래치_양품',
+    8: '실링 불량_불량품', 9: '실링 불량_양품',
+    10: '연계 불량_불량품', 11: '연계 불량_양품',
+    12: '외관 손상_불량품', 13: '외관 손상_양품',
+    14: '유격 불량_불량품', 15: '유격 불량_양품',
+    16: '장착 불량_불량품', 17: '장착 불량_양품',
+    18: '체결 불량_불량품', 19: '체결 불량_양품',
+    20: '헤밍 불량_불량품', 21: '헤밍 불량_양품',
+    22: '홀 변형_불량품', 23: '홀 변형_양품'
+}
+
+print(f"예측 결과: {class_names[predicted_class]}")
+```
+
+### 허깅페이스 Transformers 라이브러리 사용
+
+```python
+from transformers import AutoConfig
+import torch
+from torchvision import models
+
+# 설정 로드
+config = AutoConfig.from_pretrained('your-username/defect-classification-resnet50')
+
+# 모델 로드
+model = models.resnet50(num_classes=config.num_classes)
+model.fc = torch.nn.Linear(model.fc.in_features, config.num_classes)
+model.load_state_dict(torch.hub.load_state_dict_from_url(
+    'https://huggingface.co/your-username/defect-classification-resnet50/resolve/main/pytorch_model.bin',
+    map_location='cpu'
+))
+```
+
+## 모델 성능
+
+- **정확도**: 0.7509
+- **검증 데이터셋**: [데이터셋 정보 입력]
+
+## 제한사항
+
+- 이 모델은 특정 제조 환경에서 수집된 데이터로 학습되었으므로, 다른 환경에서는 성능이 달라질 수 있습니다.
+- 실제 운영 환경에서 사용하기 전에 충분한 테스트를 권장합니다.
+
+## 라이선스
+
+CC BY-NC
+
+## 인용
+
+이 모델을 사용하신다면 다음과 같이 인용해주세요:
+
+```
+@misc{vehicle-assembly-process-defect-detection-model,
+  title={Assembly Process Defect Classification with ResNet50},
+  author={doyoon kwon},
+  year={2025},
+  url={https://huggingface.co/23smartfactory/vehicle-assembly-process-defect-detection-model}
+}
+```