Artemis-IA/IAMRIMES

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

• ScrabbleGAN Repository
• IAM Dataset
• RIMES Dataset

---