|
--- |
|
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](https://github.com/arshjot/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** |
|
- [ScrabbleGAN Repository](https://github.com/arshjot/ScrabbleGAN) |
|
- [IAM Dataset](https://fki.tic.heia-fr.ch/databases/iam-handwriting-database) |
|
- [RIMES Dataset](http://www.a2ia.com/fr/rimes-database) |
|
|
|
--- |
|
|
