Apprentissage incrémental et classification d’images : application à la transcription interactive pour le patrimoine écrit ancien | Stage, LIFAT-CESR (RTR DIAMS)

Dans le cadre du partenariat entre le LIFAT-RFAI et le CESR-BVH, la recherche sur les algorithmes et méthodes d’apprentissage pour la transcription de livres imprimés anciens se poursuit. À ce titre, les travaux menés bénéficient en 2022 du financement d’un stage de 3 mois par le Réseau thématique de recherche DIAMS (RTR ; groupes Human in the Loop et Patri-Num), encadré par Thierry BROUARD (LIFAT-RFAI).

Informations sur le stage

  • Formation : niveau bac+5 en informatique
  • Dates : entre le 15 avril et le 15 juillet 2022, 3 mois
  • Lieu du stage : dans les locaux du LIFAT (64 av. Jean Portalis, 37200 Tours) avec déplacements possibles dans les locaux du CESR (59 rue Néricault-Destouches, BP 12050 – 37020 Tours Cedex) – 30 mn entre les deux sites via le tramway
  • Disciplines : Informatique / apprentissage, Patrimoine écrit (documents anciens)
  • Candidatures : CV et lettre de motivation à adresser par email à Thierry Brouard, thierry.brouard@univ-tours.fr

Présentation & contexte

Depuis de nombreuses années, le CESR et le LIFAT collaborent sur des thématiques de recherche, mais aussi dans le cadre d’enseignements. Au fil des années, le LIFAT a contribué à la construction du système d’information du CESR, et plus particulièrement du programme « Bibliothèques Virtuelles Humanistes » (BVH) à travers différents projets, notamment de transcription de documents anciens. Les deux principaux logiciels, AGORA et RETRO, ont plus de 15 années d’existence, et ont déjà fait l’objet d’évolutions majeures, en particulier à l’occasion de deux bourses successives « Digital Humanities » financées par Google en 2011 et 2012. Cependant, ces outils reposent sur des technologies aujourd’hui dépassées, au vu des avancées des techniques reposant sur l’apprentissage profond.

Continuer la lecture

Logiciel de transcription de documents anciens : poursuite des développements de RETRO en 2022 | LIFAT-CESR

Dans le cadre du partenariat entre le LIFAT-RFAI et le CESR-BVH, les développements de fonctionnalités et d’interfaces du logiciel RETRO pour la transcription de livres imprimés anciens se poursuivent. Le projet bénéficie ainsi en 2022 du financement d’un premier stage [pourvu] de 3 mois financé et encadré par Thierry BROUARD (LIFAT) pour améliorer l’application et les IHM. Un second stage [encore à pourvoir en date du 1er mars 2022], soutenu par le Réseau thématique de recherche DIAMS (RTR), sera dédié à l’amélioration de l’IA avec une approche dite de clustering.

Figure 1 : Exemple d’interface graphique utilisateur pour la transcription d’un texte ancien

La transcription s’apparente à de l’OCR : on donne une image dans laquelle il y a du texte, et on ressort un fichier ASCII. Dans le cas des documents anciens, l’OCR est difficile, et les logiciels habituels, formés sur nos polices modernes et notre langue contemporaine (syntaxe, grammaire), ne dépassent pas les 20-30 % de bonne reconnaissance. Dans les documents anciens, orthographe et grammaire ne sont pas formalisées, et un même ouvrage rassemble souvent plusieurs langues (par exemple latin / grec / vieux français).

L’approche proposée commence par utiliser un algorithme d’apprentissage non supervisé (appelé aussi clustering) afin de rassembler les caractères qui se ressemblent le plus. L’utilisateur qui réalise la transcription donne alors, pour chaque groupe, le ou les caractères représentés. C’est donc l’humain qui fait la transcription, la machine essaie de minimiser le nombre de transcription à réaliser en regroupant au mieux les caractères qui se ressemblent.

Continuer la lecture

Vers un outil de collation numérique de livres anciens [Support de présentation] | Cinquième journée annuelle du RTR « Image »

À l’occasion de la cinquième journée annuelle du RTR « Image » le 5 juillet 2018 dernier, Rémi JIMENES et Iandry RAKOTONIAINA ont présenté les avancées réalisées, grâce au soutien du réseau, pour le développement d’une « machine à collationner » numérique destinée au livre ancien. Continuer la lecture

Cinquième journée annuelle du RTR « Image » | Caractérisation et classification de différences locales détectées dans des collections d’images similaires – 5 juillet 2018, Blois

La cinquième journée annuelle du RTR « Image » se tiendra le 5 juillet 2018 à Blois (Amphi Denis Papin, 3 rue de la Chocolaterie, 41034 Blois). Elle sera l’occasion de présenter les avancées du stage de Iandry RAKOTONIAINA, co-encadré par le LIFAT de Tours (Jean-Yves RAMEL) et le CESR-BVH (Rémi JIMENES, Toshinori UETANI), grâce au soutien du réseau : « Caractérisation et classification de différences locales détectées dans des collections d’images similaires ». Continuer la lecture