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.

Texte JPEG / JPG OLR GT Segmentation Documents
Projet JADIS

Le projet JADIS est issu d'une collaboration scientifique entre la Bibliothèque nationale de France (BnF) et son département des Cartes et plans, et l'Ecole Polytechnique Fédérale de Lausanne (EPFL).

PNG GT Cartes Intelligence artificielle (IA) Images
Gallica : jeu d'images annotées pour la segmentation

Ce jeu de données est dédié à l'analyse de contenus iconographiques patrimoniaux.

JPEG / JPG JSON XML Python GT Segmentation Images Intelligence artificielle (IA) Documents
Dumps de data.bnf.fr

data.bnf.fr rassemble les données issues des différentes bases et catalogues de la BnF pour y donner un accès fédéré par auteurs, oeuvres, thèmes, lieux et dates.

RDF/XML RDF/NT RDF/N3 Manuscrits Patrimoine écrit Musique Périodiques Images Cartes Transition bibliographique Métiers du livre Chercheurs RDF
Documents de presse en mode texte du projet Europeana Newspapers (XIXe-XXe siècles)

Ce jeu de données contient le texte des collections de presse traitées durant le projet européen Europeana Newpapers.

JSON OCR Textes Presse Europeana Newspapers Documents
Métadonnées des collections médiévales numérisées du projet Europeana ARMA

Dans le cadre du projet ARMA : The Art of Reading

CSV XLS / XLSX OAI-PMH Histoire du livre et de la lecture Manuscrits Livres Cartes Monnaies Chercheurs Dublin Core
Notices bibliographiques de la Bibliographie nationale française - Produits mensuels

Ces jeux de données mensuels contiennent les nouvelles notices des documents édités ou diffusés en France et reçus par la BnF au titre du dépôt légal.

ISO 2709 Cartes Livres Sons Vidéos Musique Périodiques Métiers du livre UNIMARC Intermarc
Mandragore : jeu d'images annotées sur le thème de la zoologie

Ce jeu de données est dédié à l'analyse des contenus iconographiques d’ouvrages anciens.

JPEG / JPG CSV GT Classification Intelligence artificielle (IA) Images Documents 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
Documents de presse numérisés en mode « OCR » du projet Europeana Newspapers

Ce jeu de données contient les documents numériques des collections de presse traitées durant le projet européen Europeana Newspapers avec une reconnaissance du texte (OCR, optical character rec

METS ALTO OCR Textes Presse Europeana Newspapers Documents