---
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)

---