Gallica : jeu de publicités illustrées

Ce jeu de données propose des publicités illustrées parues dans des périodiques du XXe siècle (quotidiens, revues et magazines).

JSON XML JPEG / JPG IIIF OCR OLR Images Presse Intelligence artificielle (IA) Documents
Fiches descriptives de bibliothèques (Répertoire du CCFr)

Ce jeu de données reprend le contenu du Répertoire du Catalogue collectif de France pour sa partie "Bibliothèques".

XML Bibliothèques
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
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
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 TEI JPEG / JPG GT Documents
Gallica : feuilletons littéraires dans la presse

Ce jeu de données regroupe des romans-feuilletons parus dans la presse française du XIXe siècle.

CSV JSON Texte XML OLR OCR Presse Documents
Gallica : tables et index

Ce jeu de données liste les imprimés de la collection numérique de Gallica proposant des tables et index transcrits.

XML TEI Documents
Notices de manuscrits médiévaux de BnF Archives et Manuscrits

Pour permettre un projet de comparaison des méthodes de catalogage des manuscrits médiévaux dans les bibliothèques européennes, une extraction de BnF Archives et Manuscrits a été réalisée en octobr

XML XLS / XLSX EAD Manuscrits
Fiches descriptives de fonds (Répertoire du CCFr)

Ce jeu de données comprend les fiches descriptives de fonds du Répertoire du Catalogue Collectif de France (CCFr).

XML Patrimoine écrit Bibliothèques
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