HBA : un jeu d'images annotées pour l'analyse de la structure de mise en page d'ouvrages anciens

HBA est un jeu de données dédié à l'analyse de la structure de mise en page d'ouvrages anciens. Il constitue une vérité terrain d'images annotées au niveau pixel.Les figures suivantes illustrent…

Texte JPEG / JPG OLR GT Segmentation Documents
Gallica : texte océrisé des monographies de langue française

Ce jeu de données fournit le texte océrisé des monographies en langue française de la collection numérique de Gallica.

CSV Texte OCR Documents Textes Lexicométrie
Gallica : texte corrigé et OCR de documents

Ce jeu de données contient les textes océrisés et corrigés de documents des collections monographiques et périodiques de Gallica. Alignement entre texte OCR et texte corrigé

Texte OCR GT Textes Documents
Texte de presse annoté en entités nommées

Ces jeu de données sont constitués de textes extraits de documents des collections de presse traitées durant les projets européens Europeana Newspapers et NewsEye et dont les d’entités nommées ont été…

Texte NLP GT Textes Presse Europeana Newspapers Documents
Gallica : feuilletons littéraires dans la presse

Ce jeu de données regroupe des romans-feuilletons parus dans la presse française du XIXe siècle. Il inclut à la fois le texte des feuilletons ainsi que les métadonnées associées (titre de presse et…

CSV JSON Texte XML OLR OCR Presse Documents
Gallica : texte océrisé de romans scolaires

Ce jeu de données regroupe un ensemble de romans scolaires parus sous la Troisième république et mobilisés dans le cadre du projet ModOAP (Modèles et outils d'apprentissage profond). Il inclut le…

Texte OCR Documents