• 스마트미디어저널
• /
• 제8권4호
• /
• pp.64-71
• /
• 2019

The performance of an OMR (Optical Music Recognition) system is usually determined by the characterizing features of the input music score images. Low resolution is one of the main factors leading to degraded image quality. In this paper, we handle the low-resolution problem using the super-resolution technique. We propose the use of a deep neural network with instance normalization to improve the quality of music score images. We apply instance normalization which has proven to be beneficial in single image enhancement. It works better than batch normalization, which shows the effectiveness of shifting the mean and variance of deep features at the instance level. The proposed method provides an end-to-end mapping technique between the high and low-resolution images respectively. New images are then created, in which the resolution is four times higher than the resolution of the original images. Our model has been evaluated with the dataset "DeepScores" and shows that it outperforms other existing methods.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제9권6호
• /
• pp.729-738
• /
• 2019

최근 화두가 되는 가상현실 분야와 감정인식 분야의 결합으로 감정을 정량적으로 분석하고, 분석된 결과를 바탕으로 가상현실 콘텐츠를 개선하는 접근이 시도되고 있다. 감정은 콘텐츠 체험자의 생체신호를 기반으로 분석되는데, 신호 분석 관점에서는 많은 연구가 이루어지고 있으나 이를 정량화하는 방법론에 관해서는 충분히 논의되지 않고 있다. 본 논문에서는 감정의 정량화를 위한 초석으로 여러 생체신호 중 뇌파 신호에 대한 정규화 함수 설계와 이를 나타내는 표현 기법을 제안하고자 한다. 정규화 함수의 최적 파라미터를 찾아내기 위해 무차별 대입법을 사용하였으며, 본 논문에서 정의한 True Score와 False Score를 사용하여 찾아낸 파라미터들의 신뢰성을 높였다. 결과적으로 경험에 의존되던 생체신호 정규화 함수의 파라미터 결정을 자동화할 수 있으며, 이를 바탕으로 감정의 정량적 분석이 가능하다.

• 대한산업공학회지
• /
• 제40권1호
• /
• pp.140-150
• /
• 2014

University ranking models, though they consider multiple indicators to evaluate universities, determine the overall score of each university based on their own normalization and aggregation methods. Thus, the rankings provided by such models primarily depend on actual scores of evaluation indicators, but they are also significantly affected by the normalization and aggregation methods. We examine the normalization methods of four university ranking models used in South Korea, China, and United Kingdom. We discuss a possible unintended consequence of these methods, i.e., some universities who want to improve their rankings may focus on unnecessary indicators, contrary to the evaluator's intension, due to the normalization methods. We suggest a new normalization method based on the statistical characteristics of the distribution of each evaluation indicator so that the new method can motivate the universities to move into the desirable directions intended by the evaluator.

• Journal of Information Science Theory and Practice
• /
• 제6권3호
• /
• pp.45-60
• /
• 2018

Research performance evaluation in Korean universities follows strict guidelines that specify scoring systems for publication venue categories and formulas for co-authorship credit allocation. To find out how the standards differ across universities and how they differ from bibliometric research evaluation measures, this study analyzed 25 standards from major Korean universities and rankings produced by applying standards and bibliometric measures such as publication and citation counts, normalized impact score, and h-index to the publication data of 195 tenure-track professors of library and information science departments in 35 Korean universities. The study also introduced a novel impact score normalization method to refine the methodology from prior studies. The results showed the university standards to be mostly similar to one another but quite different from citation-driven measures, which suggests the standards are not quite successful in quantifying the quality of research as originally intended.

• 한국정보과학회논문지:시스템및이론
• /
• 제34권5_6호
• /
• pp.187-194
• /
• 2007

Local alignment 알고리즘은 두 문자열을 비교하여 크기가 l, 유사도 점수가 s인 부분 문자열쌍을 찾는다. 크기가 충분히 크고 유사도 점수도 높은 부분 문자열 쌍을 찾기 위해 단위 길이당 유사도 점수 s/l을 최대화하는 정규화 방법이 제안되어있다. 본 논문에서는 증가함수 f, g를 도입하여 f(s)/g(l)을 최대화하는, 함수에 의한 정규화 방법을 제시한다. 여기서 함수 f, g는 DNA 서열을 비교하는 실험을 통해 정한다. 이러한 실험에서 함수에 의한 정규화 방법이 좋은 local alignment를 찾는다. 또한 유사도 점수의 기준으로 longest common subsequence를 채택한 경우, 기존의 정규화 알고리즘을 이용하면 별다른 시간 손실 없이 함수에 의해 정규화된 점수 f(s)/g(l)을 최대화 할 수 있음을 보인다.

• 대한원격탐사학회지
• /
• 제36권2_1호
• /
• pp.199-215
• /
• 2020

잘피는 연안해역에 서식하는 해양수생관속식물로 해양생태계의 중요한 역할을 하고 있어, 주기적인 잘피 서식지의 모니터링이 이루어지고 있다. 최근 효율적인 잘피 서식지의 모니터링을 위해 고해상도의 영상 획득이 가능한 드론의 활용도가 높아지고 있다. 그리고 의미론적 분할에 있어 합성곱 신경망 기반의 딥러닝이 뛰어난 성능을 보임에 따라, 원격탐사 분야에 이를 적용한 연구가 활발하게 이루어지고 있다. 그러나 다양한 딥러닝 모델, 영상, 그리고 하이퍼파라미터에 의해 의미론적 분할의 정확도가 다르게 나타나고, 영상의 정규화와 타일과 배치 크기에서도 정형화되어 있지 않은 상태이다. 이에 따라 본 연구에서는 우수한 성능을 보여주는 딥러닝 모델을 이용하여 드론의 광학 영상에서 잘피 서식지를 분할하였다. 그리고 학습 자료의 정규화 및 타일의 크기를 중점으로 결과를 비교 및 분석하였다. 먼저 정규화와 타일, 배치 크기에 따른 결과 비교를 위해 흑백 영상을 만들고 흑백 영상을 Z-score 정규화 및 Min-Max 정규화 방법으로 변환한 영상을 사용하였다. 그리고 타일 크기를 특정 간격으로 증가시키면서 배치 크기는 메모리 크기를 최대한 사용할 수 있도록 하였다. 그 결과, Z-score 정규화가 적용된 영상이 다른 영상보다 IoU가 0.26 ~ 0.4 정도 높게 나타났다. 또한, 타일과 배치 크기에 따라 최대 0.09까지 차이가 나타나는 것을 확인하였다. 딥러닝을 이용한 의미론적 분할에 있어 정규화, 타일의 배치 크기의 변화에 따른 결과가 다르게 나타났다. 그러므로 실험을 통해 이들 요소에 대한 적합한 결정 과정이 있어야 함을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.460-460
• /
• 2011

국내에서는 수자원 정보화 사업에 일환으로 국가수자원종합정보시스템(WAMIS)을 개발하여 수자원에 관련된 많은 기초 자료 정보를 일반에 공개 제공하고 있으나, 주 이용 계층은 수자원관련 종사자 또는 연구자들이 대부분이다. 국가수자원종합정보시스템에서 제공하는 양질의 수자원 정보를 일반 국민들이 보다 쉽게 이해하고, 이용할 수 있도록 국내에서는 이들 기초자료를 바탕으로 다양한 수자원 지표 및 지수를 개발하였다. 이러한 수자원 관련 지표 및 지수를 개발하기 위해서는 서로 다른 단위와 특성을 가진 자료들을 모아 하나의 지표로 정의하는 과정이 필요하며, 하나의 지표로 정의되기 위해서는 반드시 표준화(normalization)과정이 필요하다. 국내에서 가장 보편적으로 사용하고 있는 방법은 Z-score법이며, 이외에도 가장 단순하고 간단한 방법인 Ranking 법, 자료의 극값(최대값, 최소값)을 이용하는 Re-scaling법, 일정 지표를 기준으로 하는 Distance to a reference country법 등이 있다. 표준화 방법은 각기 다른 장 단점을 가지고 있으며, 그 특성에 따라 정의되는 지표값은 다르게 나타날 수 있기에 지수값의 변화를 야기시킬 수 있다. 본 연구에서는 기 개발된 물이용안전성지수를 이용하여 기존 분석과 다양한 표준화 방법을 이용하여 지표를 산정하였을 때 표준화 방법에 따른 변화를 분석해 보고자 한다. 기존 연구에서 사용된 표준화 방법은 Z-score법이며, 다른 표준화 방법을 적용해 봄으로서 기존 산정 결과와의 차이를 비교 분석하였다. 지수를 구성하는 세부지표에 따라 수집되는 기초자료의 단위 및 특성은 다양하기 때문에 적합한 표준화 방법을 찾는 과정은 매우 중요하며, 이는 지표를 보다 정확하게 산정할 수 있도록 한다. 합리적인 표준화 방법을 통해 올바른 지수를 도출할 수 있고 객관적으로 수자원 환경을 평가할 수 있으며, 또한 수자원 계획 및 정책 개발에 있어 중요한 기준으로서 적용 할 수 있을 것으로 기대된다.

• 정보보호학회논문지
• /
• 제29권5호
• /
• pp.1007-1017
• /
• 2019

현재 대부분의 생체인증 시스템은 단일 생체정보를 이용하여 사용자를 인증하고 있는데, 이러한 방식은 노이즈로 인한 문제, 데이터에 대한 민감성 문제, 스푸핑, 인식률의 한계 등 많은 문제점들을 가지고 있다. 이를 해결하기 위한 방법 중 하나로 다중 생체정보를 이용하는 방법이 제시되고 있다. 다중 생체인증 시스템은 각각의 생체정보에 대해서 information fusion을 수행하여 새로운 정보를 생성한 뒤, 그 정보를 활용하여 사용자를 인증하는 방식이다. Information fusion 방법들 중에서 score-level fusion 방법을 보편적으로 많이 사용한다. 하지만 정규화 작업이 필요하다는 문제점을 갖고 있고, 데이터가 같아도 정규화 방법에 따라 인식률이 달라진다는 문제점을 갖고 있다. 이에 대한 대안으로 정규화 작업이 필요 없는 rank-level fusion 방법이 제시되고 있다. 하지만 기존의 rank-level fusion 방법들은 score-level fusion 방법보다 인식률이 낮다. 이러한 문제점을 해결하기 위해 상관계수를 이용하여 score-level fusion 방법보다 인식률이 높은 rank-level fusion 방법을 제안한다. 실험은 홍채정보(CASIA V3)와 얼굴정보(FERET V1)를 이용하여 기존의 존재하는 rank-level fusion 방법들의 인식률과 본 논문에서 제안하는 fusion 방법의 인식률을 비교하였다. 또한 score-level fusion 방법들과도 인식률을 비교하였다. 그 결과로 인식률이 약 0.3%에서 3.3%까지 향상되었다.

• Korean Journal of Mathematics
• /
• 제28권4호
• /
• pp.943-953
• /
• 2020

A university grades input system requires for professors to enter the normalized total scores for the letter grades and to input the scores from six fields such as Midterm, Final, Quiz which sum up to the total. All six fields have specified bounds which add up to 100. Professors should scale in the total scores to match up the letter grades and scale in every field of each student's original scores within the bounds to sum up to the scaled total score. We solve this problem by a novel design of simple shallow neural network.

• 산업공학
• /
• 제24권4호
• /
• pp.314-322
• /
• 2011

This study analyzes a relationship between Data Envelopment Analysis(DEA) efficiency scores and a normalization index in order to examine the validity of DEA models. A normalization index concerned in this study is 'sales per R&D project fund' which is regarded as a crucial R&D project performance evaluation index in practice. For this correlation analysis, three distinct DEA models are selected such as DEA basic model, DEA/AR-I revised model(i.e. DEA basic model with Acceptance Region Type I constraints) and Super-Efficiency(SE) model. Especially, SE model is adopted where efficient R&D projects(i.e. Decision Making Units, DMU's) with DEA efficiency score of unity from DEA basic model can be further differentiated in ranks. Considering the non-normality and outliers, two rank correlation coefficients such as Spearman's ${\rho}_s$ and Kendall's ${\tau}_B$ are investigated in addition to Pearson's ${\gamma}$. With an up-to-date empirical massive dataset of n = 482 R&D projects associated with R&D Loan Program of Korea Information Communication Promotion Fund in the year of 2011, statistically significant (+) correlations are verified between the normalization index and every model's DEA efficiency scores with all three correlation coefficients. Especially, the congruence verified in this empirical analysis can be a useful reference for enhancing the practitioner's acceptability onto DEA efficiency scores as a real-world R&D project performance evaluation index.