Hugging Face's logo

Datasets:
Artemis-IA
/
IAMRIMES

Tasks:
Token Classification
Modalities:
Image
Text
Sub-tasks:
named-entity-recognition
Languages:
French
English
Size:
10K<n<100K
Tags:
handwriting
NER
License:
Dataset card Viewer Files Community
IAMRIMES / README.md
Artemis-IA's picture
Artemis-IA
Update README.md
fda9bbf verified
preview code
|
raw
history blame contribute delete
2.57 kB
metadata
annotations_creators:
  - expert-generated
  - machine-generated
language:
  - fr
  - en
license:
  - unknown
multilinguality:
  - monolingual
paperswithcode_id: null
pretty_name: IAM-RIMES Dataset
size_categories:
  - 10K<n<100K
source_datasets:
  - extended
  - original
tags:
  - handwriting
  - NER
task_categories:
  - token-classification
task_ids:
  - named-entity-recognition

Résumé

Ce projet présente la création d’un dataset manuscrit en français à partir de deux sources principales :

  1. Le dataset manuscrit IAM (en anglais).
  2. Le dataset RIMES (en français).

Phases de Création

  1. Collecte des Données Sources :
    • Récupération du jeu de données IAM contenant des textes manuscrits en anglais.
    • Application d’un modèle de traduction automatique pour obtenir des textes en français.
    • Génération synthétique de manuscrits en français à l’aide d’un modèle GAN (Generative Adversarial Network). La méthodologie s’appuie notamment sur le projet ScrabbleGAN.

Dataset Card

IAM-RIMES Dataset

Résumé

Le dataset IAM-RIMES est un ensemble de données manuscrites en français, créé en fusionnant :

  1. IAM Dataset : Traduit et enrichi par des textes manuscrits synthétiques.
  2. RIMES Dataset : Ensemble de textes manuscrits réels en français.

Détails Techniques

  • Sources : IAM (anglais) et RIMES (français).
  • Approches Utilisées :
    • Traduction automatique pour convertir le contenu IAM en français.
    • GANs pour générer des manuscrits synthétiques réalistes à partir de textes traduits.
    • Fusion des données générées avec RIMES pour augmenter la taille du dataset.

Structure du Dataset

  • Images/ : Contient les images manuscrites, organisées en sous-dossiers avec au maximum 1 000 fichiers par dossier.
  • Labels/ : Contient les annotations texte correspondantes, organisées de la même manière.

Application

Le dataset IAM-RIMES est idéal pour des tâches telles que :

  • La reconnaissance optique de l’écriture manuscrite (OCR).
  • La génération de textes manuscrits synthétiques.
  • Les analyses linguistiques appliquées aux manuscrits.

Taille

  • Nombre total d’images manuscrites : ~50 000.
  • Taille totale : ~500 Mo.

Références