Update app.py

app.py

@@ -74,12 +74,11 @@ def process_image(image):
     return image
 
 
-title = "Extraction d'informations de factures en utilisant le modèle LayoutLMv3"
-description = "J'utilise LayoutLMv3 de Microsoft formé sur un ensemble de données de factures pour prédire le nom de l'émetteur de factures, l'adresse de l'émetteur de factures, le code postal de l'émetteur de factures, la date d'échéance, la TPS, la date de facturation, le numéro de facture, le sous-total et le total. Pour l'utiliser, il suffit de télécharger une image ou d'utiliser l'exemple d'image ci-dessous. Les résultats seront affichés en quelques secondes."
+title = "Extraction d'informations de factures en utilisant le modèle LayoutLM"
+description = "J'utilise LayoutLM de Microsoft formé sur un ensemble de données de factures pour prédire le nom de l'émetteur de factures, l'adresse de l'émetteur de factures, le code postal de l'émetteur de factures, la date d'échéance, la TPS, la date de facturation, le numéro de facture, le sous-total et le total. Pour l'utiliser, il suffit de télécharger une image ou d'utiliser l'exemple d'image ci-dessous. Les résultats seront affichés en quelques secondes."
 
 article="<b>References</b><br>[1] Y. Xu et al., “LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking.” 2022. <a href='https://arxiv.org/abs/2204.08387'>Paper Link</a><br>[2]  <a href='https://github.com/NielsRogge/Transformers-Tutorials/tree/master/LayoutLMv3'>LayoutLMv3 training and inference</a>" 
 
-examples =[['example1.png'],['example2.png'],['example3.png']]
 
 css = """.output_image, .input_image {height: 600px !important}"""
 
@@ -89,7 +88,6 @@ iface = gr.Interface(fn=process_image,
                      title=title,
                      description=description,
                      article=article,
-                     examples=examples,
                      css=css,
                      analytics_enabled = True, enable_queue=True)