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
Documents de presse numérisés en mode « article »

Ce jeu de données contient les documents numériques d'une sélection des collections de presse de la BnF traitées avec une reconnaissance de la mise en page (OLR, optical layout recognition).

METS ALTO OLR GT OCR Textes Presse Documents
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
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
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
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
Partitions numériques de la Renaissance

Ce jeu de données contient des partitions numériques d’Eustache du Caurroy et de Carlo Gesualdo produites aux formats MEI et Sibelius.  

Sibelius PDF MEI OMR GT Musique Documents
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.  

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

Texte NLP GT Textes Presse Europeana Newspapers Documents
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