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
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
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
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
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
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
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. Il constitue une vérité terrain d'enluminures annotées sémantiquement, extraites de la base de données…

JPEG / JPG CSV GT Classification Intelligence artificielle (IA) Images Documents Chercheurs