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 Europeana Newspapers

Lancé en février 2012, le projet européen Europeana Newspapers avait comme objectif de garantir une visibilité augmentée et un meilleur accès aux collections numérisées de la presse européenne.

XML Texte OCR OLR GT Presse
Projet IMPACT

Les résultats du projet européen IMPACT 2012-2015) consacré à la numérisation du patrimoine écrit sont hébergés par le Centre de compétences IMPACT, chargé de diffuser outils, données et savoir-faire.

XML JPEG / JPG TIFF OCR GT Textes Images Presse
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
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
Inventaires du Catalogue général des manuscrits (CGM-CCFr)

Ce jeu de données comprend les inventaires en XML EAD extraits du Catalogue général des manuscrits (CGM).

XML CSV EAD Manuscrits
Inventaires du Répertoire des manuscrits littéraires français du XXème siècle (Palme) (CCFr)

Ce jeu de données comprend l'ensemble des enregistrements de la base Palme du CCFr.

XML EAD Manuscrits Littérature