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
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
Échantillon segmenté d'enluminures de Mandragore

Dans le cadre d'expérimentations liées à la reconnaissance automatique d'images à partir d'enluminures de Mandragore, un petit corpus de 8 manuscrits a été segmenté manuellement afin de faire office d'échantillon d'apprentissage.

JSON CSV IIIF GT Détection d'objet Segmentation Manuscrits Images Intelligence artificielle (IA) Chercheurs
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 : 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

TEI JSON OCR Textes Documents
Documents de presse numérisés en mode « article » 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 de la mise en page (OLR, optical lay

METS ALTO OLR GT Textes Presse Europeana Newspapers