diff --git a/Week 11/Week11.md b/Week 11/Week11.md
new file mode 100644
index 0000000000000000000000000000000000000000..5d5236cdf944fda462e9771831314203d24d9aeb
--- /dev/null
+++ b/Week 11/Week11.md	
@@ -0,0 +1,26 @@
+Week 11
+========
+
+# 네트워크 개성방안
+
+## 정성평가
+
+![Alt text](./gaus_quantitative.png)
+
+### Segmentation 결과부분에서 자주색으로 표현되는 곳이 사람으로 분류된 부분이며 변환 전 결과와 변환 후의 결과를 비교해보면 변환전에 비해 더 잘 분류되고 있음을 정성적으로 평가할 수 있었다.
+
+### 정성평가에서 어느정도 유의미한 결과가 나왔다고 생각하여 IoU와 Pixel Accuracy의 정량적 평가도 진행하였다.
+
+## 정량평가
+
+![Alt text](./qualitative_evaluation_1.png)
+
+![Alt text](./qualitative_evaluation_2.JPG)
+
+### Pixel Accuracy의 경우 영상의 전체 pixel에서 사람이 아닌 것으로 올바르게 분류된 pixel 과 사람으로 올바르게 분류된 pixel 개수의 합을 분모로 하였다.
+
+### Pixel Accuracy가 변환 전에도 상당히 높은것으로 나온 이유는 하나의 영상 내에서 사람이 아닌 부분이 상당수를 차지하다 보니 사람이 아닌 것으로만 분류하더라도 pixel의 상당수가 올바르게 분류된 것으로 인식되어서 라고 생각된다.
+
+### 반면 IoU 수치가 50% 이상인 영상의 비율의 경우 변환 전에는 전체의 약 5%에 불과하였지만 변환 후 약 69%까지 올라감으로써 분류의 정확도가 상당히 올라갔음을 알 수 있었다.
+
+### 그러나 IoU 수치가 75% 이상인 영상의 비율은 변환 후에도 5%에 불과하여 좀 더 잘 분류될 수 있도록 이미지 변환의 추가적인 개선이 필요하다는 것을 볼 수 있다