Chapitres

    • Introduction à la session
    • eScriptorium et kraken vers une HTR ouverte
    • Après l’HTR : naviguer entre les formats
    • Q&R

    « Acquisition des données sur une chaîne éditoriale » (février 2022)

    11 février 2022
    01:33:02
    Nombre de vues 97
    Nombre d’ajouts dans une liste de lecture 0
    Nombre de favoris 0

    J2. Acquisition

    Guillaume Porte

    Premier bout de la chaîne, l’acquisition peut aussi être l’un des plus frustrants entre les avancées technologiques sur les OCR/HTR et la réalité, bien souvent, des transcriptions manuelles. Si la première méthode promet des résultats toujours meilleurs, quels en sont les enjeux et les contraintes ? 

    eScriptorium et kraken vers une HTR ouverte 

    Peter Stokes (EPHE) 
    Daniel Stokl Ben Ezra (EPHE) 

    Ressources

    escripta.hypotheses.org

    kraken.re

    gitlab.inria.fr/scripta/escriptorium

    github.com/mittagessen/kraken

    zenodo.org/communities/ocr_models/

    ephenum.hypotheses.org/1412

    OCR et HTR arabe : ttps://alraqmiyyat.github.io/OpenITI/

    Voir aussi des publications de S.Gabay, A.Pinche, A. Chagué, ...

    « From eScriptorium to TEI Publisher » hal.inria.fr/hal-03538115/

    « Mutualisons la VT » hal.archives-ouvertes.fr/hal-03398740/

     ________________

    Kraken = moteur HTR

    eScriptorium = interface web pour kraken

    (pensés pour être libre/gratuit/ouvert)

    ALTO (Analyzed Layout and Text Object) : schéma XML qui détaille les métadonnées techniques permettant de décrire la mise en page et le contenu des ressources textuelles physiques.

    PAGE (Page Analysis and Ground-Truth Elements) : cadre de représentation d’image de page basé sur XML qui enregistre des informations sur les caractéristiques de l’image, en plus de la structure de mise en page et du contenu de la page.

    Après l’HTR : naviguer entre les formats 

    Simon Gabay (Université de Genève)

    Ressources

    SegmOnto : vocabulaire contrôlé pour décrire la page manuscrite et imprimée. La collaboration entre les différents joueurs permet de créer des meilleurs modèles : https://lectaurep.hypotheses.org/documentation/prendre-en-main-escriptorium

    Passage par la TEI : https://tei-c.org | https://tei-c.org/release/doc/tei-p5-doc/fr/html/index.html 

    IIIF (International Image Interoperability Framework) : outil qui désigne à la fois une communauté et un ensemble de spécifications techniques, dont l’objectif est de définir un cadre d’interopérabilité pour la diffusion d’images haute résolution sur le Web.

    RDF (Resource Description Framework) : format qui permet de mélanger deux documents XML en un seul, décrivant les relations dans les données.

    Bibliographie fournie par l'intervenant :

    1. Simon Gabay, Jean-Baptiste Camps, Ariane Pinche, Claire Jahan. “SegmOnto: common vocabulary and practices for analysing the layout of manuscripts (and more)”. 1st International Workshop on Computational Paleography (IWCP@ICDAR 2021), Sep 2021, Lausanne, Switzerland. ⟨hal-03336528⟩
    2. Ariane Pinche, Jean-Baptiste Camps, Simon Gabay. SegmOnto : Un vocabulaire contrôlé pour décrire la page manuscrite et imprimée. 2021. ⟨hal-03481089⟩

    Mise en ligne de la vidéo par Yanet Hernandez Pedraza

    Métadonnées et description par Yanet Hernandez Pedraza et Michela Lagnena

    Mots clés : acquisition chaine editoriale edition critique edition numerique fair formats htr iiif j2 ocr rdf session 2