PAGE (XML)

Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.
Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.

Cet article est orphelin. Moins de trois articles lui sont liés ().

Vous pouvez aider en ajoutant des liens vers [[PAGE (XML)]] dans les articles relatifs au sujet.

PAGE (Page Analysis and Ground truth Elements) est un standard XML pour l'encodage de documents numérisés[1]. Comparable au format ALTO, il permet de rendre compte de l'organisation et de la structure d'une page et de ses contenus.

PAGE XML peut être utilisé afin de décrire :

  • le contenu des pages (régions, lignes de texte, mots, glyphes, ordre de lecture, contenu du texte, ...)
  • l'évaluation de l'analyse de la mise en page (profils d'évaluation, résultats d'évaluation, ...)
  • le découpage de l'image du document (grilles de découpage)

Le format est développé par le Pattern Recognition & Image Analysis Lab (PRIMA), au sein de l'Université de Salford à Manchester.

Ce schéma a été conçu pour être utilisé conjointement de techniques de segmentation et de transcription automatique (OCR et HTR) : en effet, PAGE vise à prendre en charge chacune des différentes étapes de la chaîne de traitement pour l'analyse de documents images (de l'amélioration de l'image à l'analyse de la mise en page en passant par l'OCR).

Le schéma PAGE XML est notamment utilisé comme format d'export et d'import par logiciels de transcription automatique tels qu'eScriptorium[2] et Transkribus[3]. C'est également un format d'export utilisé par Kraken, un système OCR clé en main optimisé pour les documents en caractères historiques et non-latins[4].

Structure globale

Le format PAGE donne un cadre pour décrire les caractéristiques des images (bordures d'images, distorsions géométriques, corrections correspondantes, binarisation, etc.), ainsi que la mise en page et le contenu des pages[5] : 

<?xml version="1.0" encoding="UTF-8"?>
<PcGts xmlns="http://schema.primaresearch.org/PAGE/gts/pagecontent/2016-07-15"
       xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
       xsi:schemaLocation="http://schema.primaresearch.org/PAGE/gts/pagecontent/2016-07-15
       http://schema.primaresearch.org/PAGE/gts/pagecontent/2016-07-15/pagecontent.xsd">
    <Metadata>…</Metadata>
    <Page imageFilename="SimplePage.png" imageWidth="800" imageHeight="600">
        <ReadingOrder>…</ReadingOrder>
        <TextRegion>…</TextRegion>
        …
    </Page>
</PcGts>

Tous les formats sont définis par un schéma XML, hébergé officiellement sur primaresearch.org.

Liens externes

Notes et références

  1. ↑ https://github.com/PRImA-Research-Lab/PAGE-XML Repository GitHub PAGE-XML
  2. ↑ https://ephenum.hypotheses.org/1412 eScriptorium : un outil pour la transcription automatique des documents
  3. ↑ https://transkribus.eu/wiki/images/b/bd/HowTo_Export_documents_from_Transkribus.pdf Documentation "How to export documents from Transkribus"
  4. ↑ (en) mittagessen, « Repository GitHub du projet Kraken », sur github.com (consulté le )
  5. ↑ S. Pletschacher, A. Antonacopoulos , "The PAGE (Page Analysis and Ground-Truth Elements) Format Framework", Proceedings of the 20th International Conference on Pattern Recognition (ICPR2010), Istanbul, Turkey, August 23-26, 2010, IEEE-CS Press, pp. 257-260

Read other articles:

Lettgalliska

Lettgalliskalatgalīšu volūdaTalas i Lettland RysslandRegionLettgallen, Sēlija, Vidzeme, Sibirien, BasjkirienAntal talare150 000–200 000 (2009)[1]SpråkfamiljIndoeuropeiskaBaltoslaviskaBaltiskaÖstbaltiskaLettiskaLettgalliskaSkriftsystemLatinska alfabetetSpråkkoderISO 639‐3ltg Lettgalliska talas i regionen Lettgallen i östra Lettland. Det är omtvistat huruvida det är ett eget språk eller en lettisk dialekt.[2] Likväl är dess standardiserade form erkänd ...

 

Kandalaksha

Stasiun kereta api Kandalaksha Kandalaksha (Rusia: Кандала́кша, Finlandia: Kantalahti, juga Kandalax atau Candalax di peta lama, Norwegia: Kandalaksja, Karelia: Kannanlakši, Skolt Sami: Käddluhtt) merupakan sebuah kota yang terletak di Oblast Murmansk, Rusia. Kota ini letaknya di Teluk Kandalaksha di Laut Putih. Penduduknya berjumlah 40.564 jiwa (2002). Didirikan pada abad ke-11. Pranala luar Туристический Информационный Центр Кольского п...

 

Sultan Wakil Pangeran Suramenggala

Pangeran Suramanggala atau nama lainnya Tubagus Kacung merupakan tokoh yang memerintah Kerajaan Banten sebagai Sultan ke-19 dari tahun 1808 hingga 1809.[1] (Sejarah Kesultanan Banten, era akhir abad ke-18 hingga awal abad ke-19[2]) Biografi[3] Pangeran Suramanggala / Suramenggala / Sura menggala / Sura manggala putra dari Sultan Muhammad Arif Zainul Asyikin (Sultan Banten periode 1753 – 1773) rahimahumallah tidak begitu banyak diceritakan para sejarawan dalam buku-bu...

Élections législatives françaises de 1837

1834 1839 Élections législatives françaises de 1837 464 députés 4 novembre 1837 Type d’élection Élections législatives Corps électoral et résultats Inscrits 198 836 Votants 151 720   76,30 %  0,7 Orléanistes – Louis-Mathieu Molé Voix 54 922 36,21 %  Députés élus 168 Libéraux – Adolphe Thiers Parti du Mouvement Opposition dynastiqueCentre gauche Voix 46 426 30,60 %   14,3 Députés...

 

University of Pikeville Kentucky College of Osteopathic Medicine

Medical school of the University of Pikeville University of Pikeville - Kentucky College of Osteopathic MedicineTypePrivate medical schoolEstablished1997Parent institutionUniversity of PikevilleBudget$7.32 million[1]DeanJoe E. KingeryAcademic staff20[2]Students299 (2009-2010)[3]LocationPikeville, Kentucky, United States37°28′45″N 82°31′16″W / 37.47910°N 82.52119°W / 37.47910; -82.52119CampusRuralTuition (2009-2010)$33,450 (resident)&...

 

Sribu.com

Artikel ini sebatang kara, artinya tidak ada artikel lain yang memiliki pranala balik ke halaman ini.Bantulah menambah pranala ke artikel ini dari artikel yang berhubungan atau coba peralatan pencari pranala.Tag ini diberikan pada Desember 2018. SribuJenisCrowdsourcingIndustriOnline Design ServiceDidirikanSeptember 2011 [1]KantorpusatDKI Jakarta, The Maja Lantai 2, Jl.Kyai Maja 39 Jakarta Selatan, IndonesiaTokohkunciRyan Gondokusumo (Founder, CEO)Wenes Kusnadi (Co-Founder, CTO)Pemilik...

Mattachine Society

American gay male advocacy group Mattachine SocietyThe May 1959 issue of the Mattachine Review, an American LGBT magazineFormation1950PurposeCivil and political rights for homosexual menHeadquartersLos Angeles, California, United StatesOfficial language EnglishKey peopleHarry Hay The Mattachine Society (/ˈmætəʃiːn/), founded in 1950, was an early national gay rights organization in the United States,[1] preceded by several covert and open organizations, such as Chicago's Society ...

 

Provinces of Burkina Faso

Subdivisions of Burkina Faso Politics of Burkina Faso Constitution (suspended) Human rights Government Interim President Ibrahim Traoré Interim Prime Minister Apollinaire Joachim Kyélem de Tambèla Parliament National Assembly President: Alassane Bala Sakandé Administrative divisions 13 regions 45 provinces 351 departments Elections Recent elections General: 20152020 Political parties Foreign relations Ministry of Foreign Affairs Minister: Olivia Rouamba Diplomatic missions of / in Burkina...

 

List of counties in Utah

Administrative subdivisions of Utah Counties of Utah RI CA BE TE DA WB MN SL SU DG UN CC DU WA UT JU MD SP SE EM GR SJ WE PT BV RN GA KN WN LocationState of UtahNumber29Populations992 (Daggett) – 1,185,813 (Salt Lake)Areas299 square miles (770 km2) (Davis) – 7,820 square miles (20,300 km2) (San Juan)GovernmentCounty governmentSubdivisionscities, towns, townships, unincorporated communities, Indian reservations, census designated places Population density of Utah counties There a...

Chicago Bridge & Iron Company

Artikel ini memiliki beberapa masalah. Tolong bantu memperbaikinya atau diskusikan masalah-masalah ini di halaman pembicaraannya. (Pelajari bagaimana dan kapan saat yang tepat untuk menghapus templat pesan ini) Artikel ini membutuhkan rujukan tambahan agar kualitasnya dapat dipastikan. Mohon bantu kami mengembangkan artikel ini dengan cara menambahkan rujukan ke sumber tepercaya. Pernyataan tak bersumber bisa saja dipertentangkan dan dihapus.Cari sumber: Chicago Bridge & Iron Company...

 

2020年夏季奥林匹克运动会基里巴斯代表团

2020年夏季奥林匹克运动会基里巴斯代表團基里巴斯国旗IOC編碼KIRNOC基里巴斯国家奥林匹克委员会網站oceaniasport.com/index_id_66.html（英文）2020年夏季奥林匹克运动会（東京）2021年7月23日至8月8日（受2019冠状病毒病疫情影响推迟，但仍保留原定名称）運動員3參賽項目3个大项旗手开幕式：魯本·卡托亞塔烏（英语：Ruben Katoatau）（举重）和基諾瓦·比里博（英语：Kinaua Biribo）（柔�...

 

Nikken Sekkei

Japanese architecture firm Nikken Sekkei Ltd.Nikken Sekkei's headquarters in Iidabashi, Chiyoda-ku, TokyoNative name株式会社日建設計Company typePrivate (Kabushiki gaisha)IndustryArchitectureEngineeringPlanning/UrbanismFounded1900; 124 years ago (1900)HeadquartersIidabashi, Chiyoda-ku, Tokyo, JapanArea servedWorldwideKey peopleTadao Kamei(President and CEO)ServicesArchitectural designInterior designUrban design and planningLandscape designStructural engineeringMEP eng...

Kita-Shinano Line

Shinano Railway Kita-Shinano LineA Shinano Railway SR1 series EMU, between Furuma and KurohimeOverviewNative nameしなの鉄道北しなの線OwnerShinano RailwayLocaleNagano PrefectureTerminiNaganoMyōkō-KōgenStations8ServiceTypeCommuter railRolling stock115 series EMUsHistoryOpened1 May 188814 March 2015 (2015-03-14) (As the private railway line)TechnicalLine length37.3 km (23.2 mi)Track gauge1,067 mm (3 ft 6 in)Electrification1,500 V DC Rout...

 

NGC 2474

NGC 2474   الكوكبة الوشق[1]  رمز الفهرس NGC 2474 (الفهرس العام الجديد)PGC 22321 (فهرس المجرات الرئيسية)UGC 4114 (فهرس أوبسالا العام)KPG 147a (Catalogue of isolated pairs of galaxies in the northern hemisphere)MCG+09-13-096 (فهرس المجرات الموروفولوجي)Z 0754.1+5300 (فهرس المجرات وعناقيد المجرات)Z 262-52 (فهرس المجرات وعناقيد المجرات...

 

ربح

الربحمعلومات عامةصنف فرعي من فائدة اقتصاديةنتيجة لديه جزء أو أجزاء إيرادكلفة النقيض خسائر اقتصادية تعديل - تعديل مصدري - تعديل ويكي بيانات طالع أيضًا: حصة أرباح جُزء من سلسلة مقالات حولالرأسمالية مفاهيم عمل تجاري دورة أعمال أصحاب أعمال رأس مال تراكم رأس المال سوق رأس الما�...

Hang Cool Teddy Bear

2010 studio album by Meat LoafHang Cool Teddy BearStudio album by Meat LoafReleased19 April 2010[1]RecordedAugust–December 2009GenreRock, hard rockLength64:56LabelMercury, Loud & Proud (US)ProducerRob CavalloMeat Loaf chronology Bat Out of Hell III: The Monster Is Loose(2006) Hang Cool Teddy Bear(2010) Hell in a Handbasket(2011) Singles from Hang Cool Teddy Bear Los AngeloserReleased: April 2, 2010 Hang Cool Teddy Bear is the tenth studio album by Meat Loaf. It was relea...

 

Parallel SCSI

Original SCSI storage interface This article needs additional citations for verification. Please help improve this article by adding citations to reliable sources. Unsourced material may be challenged and removed.Find sources: Parallel SCSI – news · newspapers · books · scholar · JSTOR (January 2007) (Learn how and when to remove this message) Amphenol-50 SCSI plug Parallel SCSI (formally, SCSI Parallel Interface, or SPI) is the earliest of the interfa...

 

Australia ai Giochi della XXVII Olimpiade

Australia ai Giochi della XXVII OlimpiadeSydney 2000 Codice CIOAUS Comitato nazionaleAOC Atleti partecipanti628 in 34 discipline Di cui uomini/donne341 - 276 PortabandieraAndrew Gaze Medagliere Posizione 4ª 16 25 17 58 Cronologia olimpica (sommario)Giochi olimpici estivi 1896 · 1900 · 1904 · 1908* · 1912* · 1920 · 1924 · 1928 · 1932 · 1936 · 1948 · 1952 · 1956 · 1960 · 1964 · 1968 ·...

Spandaryan (Syunik)

Pour l’article homonyme, voir Spandaryan. Spandaryan (hy) Սպանդարյան Paysage autour du réservoir de Spandaryan Administration Pays Arménie Région Syunik Maire Mandat Spartak Simonyan (HHK)[1],[2] 2012-2016 Démographie Population 485 hab. (2011) Densité 9,8 hab./km2 Géographie Coordonnées 39° 37′ 18″ nord, 45° 54′ 17″ est Altitude 2 150 m Superficie 4 945 ha = 49,45 km2 Fuseau horaire UTC+4...

 

1992 Albanian parliamentary election

1992 Albanian parliamentary election ← 1991 22 March 1992 (1992-03-22) 1996 → All 140 seats in People's Assembly71 seats needed for a majority Party Leader Vote % Seats +/– PD Sali Berisha 57.61 92 +17 PS Fatos Nano 23.87 38 −131 PSD Skënder Gjinushi 4.06 7 New PR Sabri Godo 2.89 1 +1 PBDNJ Vasil Melo 2.69 2 −3 This lists parties that won seats. See the complete results below.Results by district Prime Minister before Prime Minister after Vilson...