Pyllica, extracteur Python de corpus de périodiques de Gallica

Pyllica est un outil écrit en Python permettant de récupérer des documents hébergés sur la bibliothèque numérique Gallica.

PDF JPEG / JPG Texte Python Presse
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
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
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