diff --git a/Week 11/Week11.md b/Week 11/Week11.md
index bf7ebf1591bb6483044757996fed3d5b2bf8d890..a8b5ff663a6b8b147fce17e087cbccbcda02a24e 100644
--- a/Week 11/Week11.md	
+++ b/Week 11/Week11.md	
@@ -1,26 +1,7 @@
 Week 11
 ========
 
-# 네트워크 개선방안
-
-## 정성평가
+# 네트워크 개선방안 1
 
 ![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