Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Valem, Lucas Pascotti | - |
Autor(es): dc.creator | Pereira-Ferrero, Vanessa Helena | - |
Autor(es): dc.creator | Pedronette, Daniel Carlos Guimaraes | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:34:17Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:34:17Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/AIKE59827.2023.00023 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308058 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308058 | - |
Descrição: dc.description | Content-Based Image Retrieval (CBIR) systems are currently a widely used solution for image retrieval tasks with various applications. Despite the advances achieved, one of the central issues is the need for methods capable of handling the scarcity or absence of labeled data. In this scenario, Query Performance Prediction (QPP) approaches represent a successful technique in the effectiveness estimation of retrieval results. In this work, we propose a novel self-supervised framework, named Regression for Query Performance Prediction Framework - RQPPF, which is flexible and can be used with different regression models. Among the contributions, our training relies only on synthetic data and rank-based features. An experimental evaluation was conducted on 4 different retrieval datasets, considering 14 visual features and 11 regression models. The results indicate highly effective predictions and most of them are greater than recent baselines. | - |
Descrição: dc.description | Microsoft Research | - |
Descrição: dc.description | Petrobras | - |
Descrição: dc.description | Department of Statistics Applied Mathematics and Computing (DEMAC) São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Department of Statistics Applied Mathematics and Computing (DEMAC) São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Petrobras: 2023/00095-3 | - |
Formato: dc.format | 95-98 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings - 2023 IEEE 6th International Conference on Artificial Intelligence and Knowledge Engineering, AIKE 2023 | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Content-based Image Retrieval | - |
Palavras-chave: dc.subject | Query Performance Prediction | - |
Palavras-chave: dc.subject | Self-Supervised Learning | - |
Título: dc.title | Self-Supervised Regression for Query Performance Prediction on Image Retrieval | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: