diff --git a/README.md b/README.md
index ed2291291858c0d7590e2b2183867d3b3c4930dc..74c3e88b20fba31a2dd16398b915ec58425b3c01 100644
--- a/README.md
+++ b/README.md
@@ -6,8 +6,8 @@
 помещены в файлы BSD500train.yuv и BSD500test.yuv, соответственно.
 
 ## Модель
-Эффективность работы текущей версии модели можно представить в виде графика ниже, где на оси x отмечены индексы изображения, а на оси y - значения PSNR, которые для наглядности отсортированы по возрастанию:
-![PSNR до и после улучшения для первых 20 изображений](./doc/Figure_1.png)
+Эффективность работы базовой модели можно представить в виде графика ниже, где на оси x отмечены индексы изображения, а на оси y - значения PSNR, которые для наглядности отсортированы по возрастанию:
+![PSNR до и после улучшения для 100 изображений](./doc/Figure_1.png)
 
 Как можно заметить, на 100 тестовых изображениях выигрыш базовой модели составляет 0.2 дБ.
 
@@ -15,7 +15,7 @@
 
 ## Описание задания к лабораторной работе
 Улучшить QECNN модель так, чтобы модифицированная версия:
-- выиграла на 100 изображениях из файла BSD500test.yuv в среднем 0.2 дБ и более по метрике PSNR, т.е. обеспечивала выигрыш 0.4 дБ относительно x265; 
+- выиграла на 100 изображениях из файла BSD500test.yuv в среднем 0.2 дБ и более у базовой модели по метрике PSNR, т.е. обеспечивала выигрыш 0.4дБ относительно x265; 
 
 Требования к реализации и результаты:
 - При обучении должны использоваться только изображения из папки файла BSD500train.yuv