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 : documents produits au format TEI

Ce jeu de données contient le mode texte des documents de Gallica traités par l’Observatoire de la vie littéraire (Labex OBVIL). Le corpus est en français, issu majoritairement de l’édition du XIXe…

JSON OCR Textes Documents TEI
Utiliser les contenus IIIF de Gallica

Ce tutoriel présente des usages possibles de la collection Gallica dans un contexte IIIF.

IIIF Images
Projet NewsEye

NewsEye, financé par le programme de recherche et d'innovation Horizon 2020 de l'Union européenne, est un projet de recherche qui fait progresser l'état de l'art et introduit de nouveaux concepts,…

Texte OCR OLR GT NLP Presse Intelligence artificielle (IA)
Catalogues de vente annotés du projet Datacatalogue

Ce jeu de données regroupe des catalogues de vente annotés durant le projet Datacatalogue. Ces documents sont issus des collections numérisées de la BnF et de l'INHA.

JSON JPEG / JPG GT Documents TEI
API OPDS du catalogue de livres numériques de Gallica

Cette API expose la bibliothèque de livres numériques au format EPUB de Gallica. Le catalogue OPDS Gallica permet d'agréger et de distribuer les livres numériques au format EPUB présents dans…

EPUB OPDS Textes
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 : tables et index

Ce jeu de données liste les imprimés de la collection numérique de Gallica proposant des tables et index transcrits.

XML Documents TEI
Mandragore : jeu d'images annotées pour la détection d'objet

Ce jeu de données est dédié à l'analyse de contenus iconographiques patrimoniaux. Il constitue une vérité terrain de représentations d’animaux extraites de Mandragore et de Gallica et annotées…

JPEG / JPG CSV GT Python Détection d'objet Intelligence artificielle (IA) Manuscrits Images Chercheurs
Gallica : OCR corrigé de documents de presse

Ce jeu de données contient des pages corrigées (vérité terrain) de documents numériques de collections de presse traités avec de l'OCR (optical characters recognition). …

XML OCR GT Textes Presse Documents