OCR17: Ground Truth and Models for 17th c. French Prints (and hopefully more)

OCR17: Vérité de terrain et modèles pour les imprimés français du XVIIème s. (voire un peu plus)

Simon Gabay (1, 2) , Thibault Clérice (3) , Christian Reul (4)

1 UNINE - Université de Neuchâtel = University of Neuchatel
2 UNIGE - Université de Genève = University of Geneva
3 CJM - Centre Jean Mabillon
4 JMU - Julius-Maximilians-Universität Würzburg

Machine learning starts with machine teaching: in the following paper, we present the data that we have gathered and created to train reliable OCR models for 17th c. French prints, and preliminary results based on these training data and experiments to improve them.

L'apprentissage machine commence avec l'enseignement machine: dans cet article, nous présentons les données préparées afin de créer des modèles d'OCR pour les imprimés français du XVIIème s., les résultats des premières tentatives d'entraînement ainsi que des pistes pour l'amélioration des performances.

Mots clés: OCR; 17th c French; Training data; Corpus building; Data paper

Mots clés: OCR; XVIIème siècle; Donnees; Construction de corpus

Domaines: Sciences de l'Homme et Société; Littératures; Histoire; Sciences de l'information et de la communication; Informatique [cs]; Réseau de neurones [cs.NE]

Simon Gabay, Thibault Clérice, Christian Reul. OCR17: Ground Truth and Models for 17th c. French Prints (and hopefully more). 2020. ⟨hal-02577236v1⟩