diff --git "a/TensorFlow/contrib/cv/FCN_ID1610_for_TensorFlow/NPU\350\243\270\346\234\272\346\200\247\350\203\275\346\265\213\350\257\225.png" "b/TensorFlow/contrib/cv/FCN_ID1610_for_TensorFlow/NPU\350\243\270\346\234\272\346\200\247\350\203\275\346\265\213\350\257\225.png"
new file mode 100644
index 0000000000000000000000000000000000000000..79e39e7ea543cbe5bd078709e82d802d06f2c070
Binary files /dev/null and "b/TensorFlow/contrib/cv/FCN_ID1610_for_TensorFlow/NPU\350\243\270\346\234\272\346\200\247\350\203\275\346\265\213\350\257\225.png" differ
diff --git a/TensorFlow/contrib/cv/FCN_ID1610_for_TensorFlow/Readme.md b/TensorFlow/contrib/cv/FCN_ID1610_for_TensorFlow/Readme.md
index 3b79e299fefbde42a279894992fd5457eab948ae..9bc2ca2e18c1d71052efc14d1f57dcbe1ed5f2c3 100644
--- a/TensorFlow/contrib/cv/FCN_ID1610_for_TensorFlow/Readme.md
+++ b/TensorFlow/contrib/cv/FCN_ID1610_for_TensorFlow/Readme.md
@@ -296,9 +296,9 @@ Step 3000 Train Loss=0.032335356
 | ------------------- | ---------- | ----- | ------ | ----- |
 | 论文精度            | 100%       | 82%   | 74%    | 42%   |
 | GPU精度数据         | 99.7%      | 78.0% | 71.8%  | 44.8% |
-| GPU性能数据         | 0.14s/500  |       |        |       |
+| GPU性能数据         | 0.14s/600  |       |        |       |
 | NPU训练精度         | 99.7%      | 76.9% | 71.6%  | 43.3% |
-| NPU性能数据         | 0.35s/500  |       |        |       |
+| NPU性能数据         | 0.12s/600  |       |        |       |
 | 带数据增强的GPU精度 | 99.7%      | 81.4% | 77.0%  | 51.1% |
 
 说明：因为训练集规模较小 数据量不足且分布不均匀 原论文需要对数据集进行大量数据增强操作，但是在NPU训练中由于不支持数据动态输入 因此去除对图片尺寸动态变换 随机裁剪的增强操作 导致一些类分割精度有所下降，在去除数据增强的GPU训练中，通过对三次测试取得平均精度，与NPU精度差距基本控制在1%左右。下表最后一栏 为保留数据增强情况下GPU训练精度 可以看出在保留数据增强的GPU训练中 网络可以获得更好的精度指标 。在训练过程中的LOSS不能对测试精度产生有效反映 因此不同训练批次测试结果会有细微精度差异。