Archives par mot-clé : transcription

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

Publié le par
Répondre

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

Publié le par
Répondre

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 →

Offre d’emploi : Ingénieur.e d’études en traitement et analyse de sources historiques et culturelles, CESR-BVH | CDD, 6 mois, à Tours

Publié le par
Répondre

Informations générales

  • Lieu de travail : CESR, UMR 7323 du CNRS
  • Date de publication de l’offre : 24 juillet 2019
  • Type de contrat : CDD Technique/Administratif
  • Durée du contrat : 6 mois
  • Date d’embauche prévue : 1er novembre 2019
  • Quotité de travail : Temps complet
  • Grade : Ingénieur d’études
  • Rémunération : entre 2076 € et 2 648 € brut mensuel, selon expérience.
  • Niveau d’études souhaité : Master 2
  • Expérience souhaitée : Indifférent

Missions

Assurer la poursuite de la description et de l’indexation des documents numérisés dans le cadre du programme de recherche « Bibliothèques Virtuelles Humanistes » (BVH) du Centre d’Études supérieures de la Renaissance (CESR – Université de Tours – UMR 7323 du CNRS), en vue de leur mise en ligne. L’essentiel du corpus numérisé à traiter est issu du projet partenarial Biblissima « Bibliothèques humanistes ligériennes » (BHLi) porté par la Bibliothèque municipale d’Angers, en partenariat avec les Bibliothèques du Mans et de La Flèche.

Continuer la lecture →

Traitement du signal et des images pour l’art et le patrimoine – Extraction interactive d’éléments de contenu et analyse de redondance des formes dans les imprimés anciens, Par Jean-Yves Ramel (LI Tours)

Publié le par
Répondre

Le GdR Information, Signal, Image, viSion (ISIS) organise le 13 mai 2016 une journée autour du Traitement du signal et des images pour l’art et le patrimoine, à Télécom Paristech (amphi B310). Jean-Yves Ramel (Pr, LI Tours) présentera à cette occasion une partie des travaux effectués dans le cadre du projet Paradiit financé par deux Google Awards successifs en 2011 et 2012 et mené en collaboration avec l’équipe du programme BVH du CESR.

L’objectif de cette journée GdR ISIS est de réunir les chercheurs et industriels dont les travaux trouvent des applications dans le domaine de l’art, l’histoire de l’art ou du patrimoine culturel. En effet, le développement des technologies numériques notamment autour de l’image, est un enjeu important pour la préservation, la restauration, l’étude, la création et la diffusion des objets, monuments, œuvres, documents issus du domaine artistique et culturel. Réciproquement, les problèmes soulevés par ces problématiques posent de nouveaux challenges à la communauté scientifique de la vision par ordinateur et du traitement de l’image comme en témoignent l’augmentation des publications et la présence de sessions spéciales dans des conférences de référence de ces domaines.

Continuer la lecture →

Paradoxale fidélité : éditer le manuscrit du Cinquième livre de Rabelais

Publié le par
Répondre

Du manuscrit autographe à la théorie des brouillons

En mars 1847, Paul Lacroix (alias le Bibliophile Jacob) publia dans le Journal des débats l’annonce d’une découverte importante : il venait d’identifier, dans les collections de la Bibliothèque royale, un  manuscrit du XVIe siècle dont les 146 feuillets renfermaient une copie du Cinquième livre de Rabelais. Ayant comparé son écriture à celle d’une lettre de Rabelais (dont l’authenticité s’avéra douteuse), Lacroix considérait ce volume comme autographe et y voyait le témoignage sûr de l’attribution du Cinquième livre à l’auteur du Pantagruel. Le manuscrit français n° 7981 (devenu depuis le manuscrit français 2156) ne pouvait manquer d’attirer l’attention des érudits ; il procurait notamment une version du texte très différente de l’édition originale imprimée en 1564 (soit onze ans après la mort de Rabelais) et comptait même plusieurs chapitres inédits.

btv1b8571100w

BnF, manuscrit français 2156, f. 1 – Source : gallica.bnf.fr

Continuer la lecture →

Synthèse de la séance « Rabelais » du séminaire Epistemon – ÉTAM (Éditer, Traduire, Annoter, Moderniser), samedi 14 novembre 2015

Publié le par
2

Le principe de ce séminaire organisé par Marie-Luce Demonet est de partager travaux et études portant sur les textes à éditer (format papier et/ou numérique), annoter, interpréter, traduire ; sur la manière de les rendre intelligibles. Cette première séance portait sur Rabelais, une seconde est prévue (le 28 mai 2016) qui portera sur Montaigne.

  • Présentation de l’édition « Bouquins » des œuvres complètes de Rabelais
  • Quelques exemples de « translation »… et de ses difficultés
  • Le « matériau » Cinquiesme Livre
  • Quelques difficultés de transcription, encodage et traduction d’Alector de Barthélémy Aneau
  • État des lieux des projets « Rablissime » et « ReNom »

Continuer la lecture →

Epistemon : Corpus de 50 textes encodés en XML-TEI

Publié le par
Répondre

Corpus de textes transcrits et encodés

Pour rappel, Epistemon est un corpus de 50 textes en XML-TEI, disponibles à la consultation et au téléchargement depuis le site des Bibliothèques Virtuelles Humanistes.

Accès au corpus Epistemon

Accès au corpus Epistemon.

Chaque année, nous nous efforçons d’enrichir ce corpus de nouveaux textes. C’est ainsi qu’en 2014, nos lecteurs ont pu découvrir trois publications :

  • Anonyme, Les grandes et inestimables croniques : du grant et enorme geant Gargantua, Lyon, 1532
  • Rabelais, Pantagruéline prognostication pour l’an 1533, Lyon, 1533
  • Rabelais, L’île sonnante, 1562 Continuer la lecture →

A mi-parcours du projet ANR « Montaigne à l’œuvre » : des avancées et des remerciements

Publié le par
Répondre

Extrait du bilan à mi-parcours de l’ANR « Montaigne à l’Oeuvre », 30 septembre 2014

Avec son partenaire de l’IRHT, l’équipe des BVH a lancé en 2013 le projet MONLOE, « Montaigne à l’œuvre », première phase d’un ensemble éditorial qui réunira les principales éditions des Essais, l’édition diachronique de l’exemplaire dit « de Bordeaux » (« EB », exemplaire annoté par Montaigne en vue d’une édition ultérieure), tous les ouvrages possédant la signature de Montaigne conservés dans les différentes bibliothèques publiques et privées dans le monde, tous les écrits de Montaigne et une sélection des sources majeures des Essais. Il offre aussi une reconstitution 3D de la « librairie » (sa bibliothèque personnelle). Les éditions principales des Essais sont présentées avec leurs fac-similés, et encodées en XML-TEI, y compris EB, cœur du projet qui permet d’étudier la dimension créative d’une œuvre : processus d’élaboration, additions et corrections, modifications des textes sources et des compilations, interventions d’auteur, invention de l’« essai » et des concepts les plus significatifs des Essais. Le traitement de la variation graphique tant de l’écriture de Montaigne que des différents usages orthographiques observables seront soumis aux traitements linguistiques appropriés, en vue d’observer la temporalité de la composition des Essais et la constitution d’un lexique de philosophie en langue vernaculaire. Intégré au programme des « Bibliothèques Virtuelles Humanistes », MONLOE permet de montrer et d’exploiter des ressources existantes et d’expérimenter des procédures nouvelles, avec des méthodologies en développement dans le domaine des humanités numériques : affichage page à page et parallèle de l’image et du texte, corpus textuel annoté permettant plusieurs niveaux d’analyse et de requête, identification des « mains » de Montaigne.

Continuer la lecture →

Formation : Initiation à l’encodage XML-TEI des textes patrimoniaux

Publié le par
Répondre

logo TEI consortiumCe stage organisé par l’équipe des BVH du CESR de Tours s’adresse à toute personne intéressée par la structuration XML de sources textuelles. Il se déroulera à la Maison des Sciences de l’Homme Val de Loire, à Tours, du mercredi 29 au vendredi 31 octobre 2014.

Inscriptions en ligne jusqu’au 30 septembre 2014

Continuer la lecture →