<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="poesina-etal-2023-iqpp">
    <titleInfo>
        <title>iQPP: Une Référence pour la Prédiction de Performances des Requêtes d‘Images</title>
    </titleInfo>
    <name type="personal">
        <namePart type="given">Eduard</namePart>
        <namePart type="family">Poesina</namePart>
        <role>
            <roleTerm authority="marcrelator" type="text">author</roleTerm>
        </role>
    </name>
    <name type="personal">
        <namePart type="given">Radu</namePart>
        <namePart type="given">Tudor</namePart>
        <namePart type="family">Ionescu</namePart>
        <role>
            <roleTerm authority="marcrelator" type="text">author</roleTerm>
        </role>
    </name>
    <name type="personal">
        <namePart type="given">Josiane</namePart>
        <namePart type="family">Mothe</namePart>
        <role>
            <roleTerm authority="marcrelator" type="text">author</roleTerm>
        </role>
    </name>
    <originInfo>
        <dateIssued>2023-06</dateIssued>
    </originInfo>
    <typeOfResource>text</typeOfResource>
    <language>
        <languageTerm type="text">fra</languageTerm>
    </language>
    <relatedItem type="host">
        <titleInfo>
            <title>Actes de CORIA-TALN 2023. Actes de la 18e Conférence en Recherche d‘Information et Applications (CORIA)</title>
        </titleInfo>
        <name type="personal">
            <namePart type="given">Haïfa</namePart>
            <namePart type="family">Zargayouna</namePart>
            <role>
                <roleTerm authority="marcrelator" type="text">editor</roleTerm>
            </role>
        </name>
        <originInfo>
            <publisher>ATALA</publisher>
            <place>
                <placeTerm type="text">Paris, France</placeTerm>
            </place>
        </originInfo>
        <genre authority="marcgt">conference publication</genre>
    </relatedItem>
    <abstract>La prédiction de la performance des requêtes (QPP) dans le contexte de la recherche d‘images basée sur le contenu reste une tâche largement inexplorée, en particulier dans le scénario de la recherche par l‘exemple, où la requête est une image. Pour stimuler les recherches dans ce domaine, nous proposons la première collection de référence. Nous proposons un ensemble de quatre jeux de données (PASCAL VOC 2012, Caltech-101, ROxford5k et RParis6k) avec les performances attendues pour chaque requête à l‘aide de deux modèles de recherche d‘images état de l‘art. Nous proposons également de nouveaux prédicteurs pré et post-recherche. Les résultats empiriques montrent que la plupart des prédicteurs ne se généralisent pas aux différents scénarios d’évaluation. Nos expériences exhaustives indiquent que l‘iQPP est une référence difficile, révélant une importante lacune dans la recherche qui doit être abordée dans les travaux futurs. Nous publions notre code et nos données.</abstract>
    <identifier type="citekey">poesina-etal-2023-iqpp</identifier>
    <location>
        <url>https://aclanthology.org/2023.jeptalnrecital-coria.18/</url>
    </location>
    <part>
        <date>2023-6</date>
        <extent unit="page">
            <start>214</start>
            <end>220</end>
        </extent>
    </part>
</mods>
</modsCollection>

%0 Conference Proceedings
%T iQPP: Une Référence pour la Prédiction de Performances des Requêtes d‘Images
%A Poesina, Eduard
%A Ionescu, Radu Tudor
%A Mothe, Josiane
%Y Zargayouna, Haïfa
%S Actes de CORIA-TALN 2023. Actes de la 18e Conférence en Recherche d‘Information et Applications (CORIA)
%D 2023
%8 June
%I ATALA
%C Paris, France
%G fra
%F poesina-etal-2023-iqpp
%X La prédiction de la performance des requêtes (QPP) dans le contexte de la recherche d‘images basée sur le contenu reste une tâche largement inexplorée, en particulier dans le scénario de la recherche par l‘exemple, où la requête est une image. Pour stimuler les recherches dans ce domaine, nous proposons la première collection de référence. Nous proposons un ensemble de quatre jeux de données (PASCAL VOC 2012, Caltech-101, ROxford5k et RParis6k) avec les performances attendues pour chaque requête à l‘aide de deux modèles de recherche d‘images état de l‘art. Nous proposons également de nouveaux prédicteurs pré et post-recherche. Les résultats empiriques montrent que la plupart des prédicteurs ne se généralisent pas aux différents scénarios d’évaluation. Nos expériences exhaustives indiquent que l‘iQPP est une référence difficile, révélant une importante lacune dans la recherche qui doit être abordée dans les travaux futurs. Nous publions notre code et nos données.
%U https://aclanthology.org/2023.jeptalnrecital-coria.18/
%P 214-220

Markdown (Informal)

[iQPP: Une Référence pour la Prédiction de Performances des Requêtes d’Images](https://aclanthology.org/2023.jeptalnrecital-coria.18/) (Poesina et al., JEP/TALN/RECITAL 2023)

• iQPP: Une Référence pour la Prédiction de Performances des Requêtes d’Images (Poesina et al., JEP/TALN/RECITAL 2023)

ACL

• Eduard Poesina, Radu Tudor Ionescu, and Josiane Mothe. 2023. iQPP: Une Référence pour la Prédiction de Performances des Requêtes d’Images. In Actes de CORIA-TALN 2023. Actes de la 18e Conférence en Recherche d'Information et Applications (CORIA), pages 214–220, Paris, France. ATALA.