LaMOP/Yolo-Seg-TextRegion-TextLine-Manuscript

Fiche Technique : Modèles YOLOv26n,x (Ultralytics)

Version : 1.0 | Date : 22/05/2026

Informations générales

Modèles YOLOv26 spécialisés pour la segmentation de régions de texte (TextRegion) et de lignes de texte (TextLine) dans des manuscrits médievaux.

Cas d'usage : HTR.

Performances

Dataset

Composition

• —Taille totale : 6599 images (5279 train / 1320 val).
• —Format d’annotation : YOLO (fichiers .txt avec masques de segmentation).

Courbes et visualisations

• —Courbe PR (Precision-Recall) :

Courbe PR pour le modèle SegN

[image]

Courbe PR pour le modèle SegX

[image]

• —Matrice de confusion :

Confusion Matrix pour le modèle SegN

[image]

Confusion Matrix pour le modèle SegX

[image]

• —Exemple de détection :

Exemple sur le manuscrit "FRAD0528H0330043, Arch. dép. Haute-Marne, 8 H 33, Vrécourt n°7", disponible sur l'entrepôt de données Nakala

[image]

Utilisation**

Installation

pip install ultralytics==8.4.49 torch torchvision

Inférence

from ultralytics import YOLO

# Charger le modèle
model = YOLO("Yolo-Seg-TextRegion-TextLine-Manuscript-SegX.pt")

# Prédiction sur une image
results = model.predict("document.jpg", conf=0.5, show=True)

# Accéder aux masques de segmentation
for result in results:
    masks = result.masks.data  # Tensor des masques
    boxes = result.boxes.data   # Boîtes englobantes

Remerciements:

Nous remercions l’Institut Jacques Monod pour la fourniture des ressources informatiques et de traitement des données nécessaires à ce travail.