Choix d’une solution de segmentation

[emchateau]

La segmentation de documents historiques a fait l’objet de nombreux travaux ces dernières années. Un état de l’art a permis d’identifier plusieurs projets potentiellement pertinents pour la segmentation de notre corpus.

• LayoutParser : très générique, les modèles disponibles sont plutôt orientés magazine et presse imprimée
• Grobid : plutôt orienté sur les documents fortement structurés
• Eynollah : récent mais orienté imprimé
• dhSegment : relativement ancien mais utilisé dans de nombreux projets sur des manuscrits
• Doc UFN : modèle générique pour les documents historiques (Teklia)

L’annotation des documents pourrait avoir recours à l’ontologie SegmOnto. Pour la production des images annotées, on pourrait avoir recours à eScriptorium ou bien VGG Image Annotator (VIA)

[emchateau]

Prévoir également simplement l’utilisation de Kraken et du modèle LLMA