diff --git a/Week 10/Week10.md b/Week 10/Week10.md
index 8a3c0e5130fbb45c2d22da9931d0d7a79707fd20..06796a38d8648356addbccbef0e16f0d2177522f 100644
--- a/Week 10/Week10.md	
+++ b/Week 10/Week10.md	
@@ -3,16 +3,24 @@ Week 10
 
 # segmentation 성능 테스트
 
-## 정량평가
+## 정성평가
 
-![Alt text](./gaus_quantitative.JPG)
+![Alt text](./gaus_quantitative.png)
 
-### 위와 같이 성능평가를 위한 가우스전자의 ground truth를 제작하였다.
+### 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.
 
-## 정성평가
+### 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)
 
-###
\ No newline at end of file
+### 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