modern-roman-languages

HTRomance, Modern language corpus of ground-truth for Handwritten Text Recognition and Layout Segmentation

characters badge regions badge lines badge files badge

Introduction

This ground-truth dataset has been built around the idea of offering a variety of data to improve the coverage of modern cursive handwriting, in the perspective of building generic transcription models. Each manuscript includes 1 to 10 images taken from a single hand or multihand manuscript held at the Bibliothèque nationale de France (BnF) and available through Gallica. The number of lines per page depends on the documents. It varies from 4 to 42 for the densest, with an average amount of 15 lines per pages.

Credits

Transcription guidelines

The transcription guidelines are described in a paper available on HAL and published in the Journal for Open Humanities Data. The paper provides specific details about the selection process, the transcription methods and choices, as well as details about the output (mainly the Generic CREMMA Model for Medieval Manuscripts (Latin and Old French) for Kraken)

Data

ALTO and images can be found in the directory called data/. Each subfolder of data/ corresponds to a single manuscript, identified by its shelfmark.

Shelfmark Links Range Type Century Color Pages Main Zones Lines Characters Genre Content
BnF Français 3816 📁 1r, 4r, 6r, 6v, 8v, 9r, 11r, 13r, 20v, 65r - 16 ✗ 10 22 162 5462 lettre _
BnF Français 2982 📁 1v, 2r, 20v, 78v, 79r - 16 ✗ 5 6 90 2748 lettre _
BnF Français 3640 📁 45r, 56r, 56v, 80r, 80v - 16 ✗ 5 7 94 2955 lettre _
BnF NAF 1992 📁 1r, 1v, 5r, 5v, 59r - 16 ✗ 5 8 87 2316 lettre _
BnF Français 3413 📁 37r, 40r, 43r, 46r, 49r - 16 ✗ 5 8 107 2715 lettre _
BnF ms Dupuy 63 📁 9r-9v,15r-15v,17r-18r, 34v-35r,36r-36v - 16 ✓ 10 17 290 14272 correspondance _
Français 14944 📁 64r-66r - 17 ✗ 5 4 126 3800 poesie _
LAS CONCERNANT LULLY 8 📁 1r, 2r, 2v, 3r, 3v - 17 ✗ 5 9 191 7801 administratif _
BnF ms Baluze 209 📁 f45,f85,f97,f98,f132,f135,138,f141,f179,f191 - 17 ✗ 10 19 192 6740 correspondance _
BnF ms Picardie 13 📁 f23,f24 - 17 ✗ 2 2 40 1060 inventaire _
BnF Bibliothèque de l’Arsenal. Ms-9314 📁 29r, 29v, 30r, 31r, 32v - 17 ✗ 5 7 79 2644 lettre _
BnF Français 17217 📁 3r,4r,5r,6r,7r - 17 ✓ 5 9 106 3802 traité _
BnF NAF 12303 #0 📁 1r-1v - 17 ✓ 2 2 32 938 fable _
BnF Français 2533 📁 31v-33r - 17 ✓ 5 5 72 1430 traité _
BnF Français 2394 📁 7r-9r prose 17 ✓ 5 4 67 1947 traité « Discours sur le tableau du Passage du Rhin, à monsieur Le Brun », par « F. LE BRUN », en latin et en français.
BnF Français 4108 📁 1r-102v prose 17 ✓ 5 4 111 3982 prose Contient : 1° « Remonstrances du parlement de Navarre au roy [Louis XIV], contre Mr le comte de Guiche, viceroy de Navarre » ; 2° « Response de Mr le comte [ANTOINE III] DE GUICHE ausdittes remonstrances » Description : Numérisation effectuée à partir d’un document original.
BnF 4-S-3789 (2) 📁 NP-NP prose 17 ✓ 5 5 109 1764 traité Jugement de phisionomie conforme aux principes d’Aristote et des autres philosophes. Tiré des differentes partes du corps humain Par le R. P. F. Paul Grisaldi de Perouse docteur en theologie de l’ordre des ff prescheurs… Auteur : Grisaldi, Paolo (15..-1614). Auteur du texte
BnF Français 8204 📁 1r-77v prose 17 ✓ 6 7 45 1871 armorial « Les noms et surnoms, qualitez, armes et seigneuries de tous les cardinaux, prelats et commandeurs de l’Ordre du St -Esprit, qui ont esté faicts par le très crestien roy de France et de Navarre, Louis treiziesme du nom… » (1610-1621).
BnF Ms-3561 📁 xr-yv prose 17 ✓ 5 5 91 2393 Traité « Testament politique de l’éminantissime Armand, cardinal duc de Richelieu, pair et grand admiral de France. ». « Testament politique de l’éminantissime Armand, cardinal duc de Richelieu, pair et grand admiral de France. » Tome Ier.
BnF Ms-3160 📁 2-6 prose 18 ✓ 5 6 104 4272 Roman « Candide, ou l’optismime(sic) », par Voltaire
BnF ms NAF 6834 📁 1r-2r - 18 ✓ 3 5 51 1469 correspondance _
BnF 2011_091_ACM05-20 📁 NP prose 18 ✓ 1 4 16 576 lettre Archives du cabinet des médailles, série chronologique. Archives du cabinet des médailles (1794-an IX). Acquisitions provenant de la Monnaie, du Garde-meuble. Lettre de Capperonier au directeur général de l’Instruction publique, demandant la remise au Cabinet de la bordure contenant les miniatures de Louis XIV et sa famille par Antoine Benoist (Paris, 13 nivôse an V).
BnF RESERVE 8-YA3-27 (34, 932) 📁 85-89 - 18 ✓ 5 5 100 2172 traité _
BnF RESERVE 8-YA3-27 (47, 1209) 📁 143-147 - 18 ✓ 5 5 111 3426 traité _
BnF RESERVE 8-YA3-27 (4,52) 📁 NP-NP prose 18 ✓ 5 5 113 3509 prose [Article CXX des Memoires pour l’histoire des Sciences et des Beaux arts. Jugemens sur les principaux ouvrages exposés au Louvre en 1751.]
BnF GE DD-2025 (RES) 📁 4r-130v prose 18 ✓ 10 11 176 6289 divers documents _
BnF Français 19670 📁 1r-225r prose 18 ✓ 10 17 206 7601 recueil de correspondance Correspondance de D. Guillaume LE SUEUR († 1748).
BnF NAF 1103 📁 1-NP prose 18 ✓ 4 4 88 3274 traité d’histoire Abrégé de l’histoire de Marseille, depuis sa fondation jusqu’en 1733, par F. M[ALLAVAL], l’an 1733 ».
BnF Français 15148 📁 1-484 mixed 18 ✓ 6 4 81 1803 prose « Pièces critiques et satyriques pour servir à l’histoire du tems. — A Pantin, chez Jean Satire, rue des Mauvaises Pensées, à la Sotise ».
BnF RESERVE QB-370 (2)-FT 4 📁 NP-NP prose 18 ✓ 2 2 22 538 ordre royal Autographe de Louis XVI. Paris, 15 avril 1791
BnF NAF 12303 #1 📁 2r-2v - 19 ✓ 2 2 28 970 correspondance _
BnF 8-Q PIECE-1904 📁 xr-yv prose 19 ✓ 5 8 199 7681 monographie imprimée Bibliographie des travaux de M. Moïse Schwab (1860-1904) / par P. Hildenfinger

Metrics

Total number of pages

168

Regions

Lines

Funding

This project was funded by the Bibliothèque nationale de France through the 2022 project calls from Datalab for 2023.

Cite the project

Clérice, T., Chagué, A., Gille-Levenson, M., Brisville-Fertin, O., Pinche, A., Camps, J., Fischer, F., Boschetti, F., Guadagnini, E., Guilhem Couffignal, G., Canteaut, O., Romary, L., Reboul, M., Perreaux, N., Poibeau, T., Smith, M., Norindr, J., Glaise, A., Navas Farré, M., Bordier, J., Leroy, N., Alba, R., & Rubin, G. HTRomance [Data set]. https://htromance-project.github.io/

@misc{Clerice_HTRomance,
author = {Clérice, Thibault and Chagué, Alix and Gille-Levenson, Matthias and Brisville-Fertin, Olivier and Pinche, Ariane and Camps, Jean-Baptiste and Fischer, Franz and Boschetti, Federico and Guadagnini, Elisa  and Guilhem Couffignal, Gilles and Canteaut, Olivier and Romary, Laurent and Reboul, Marianne and Perreaux, Nicolas and Poibeau, Thierry and Smith, Marc and Norindr, Jade and Glaise, Anthony and Navas Farré, Marina and Bordier, Julie and Leroy, Noé and Alba, Rachele and Rubin, Giorgia},
title = ,
url = {https://htromance-project.github.io/}
}

Infrastructure

This project relied on the CREMMA infrastructure.