数据集概述
该数据集为手写文本识别（HTR）研究提供标注数据，包含法国国家图书馆（BnF）和梵蒂冈图书馆（BAV）的202张中世纪希伯来手稿图像的布局分割（区域、顶线、行多边形）及Unicode转录（ALTO 4.2 XML格式），支持中世纪希伯来手稿的文本识别模型训练与研究。
文件详解
- BiblIA_dataset.zip: 压缩包格式，包含以下核心内容：
- 132张法国国家图书馆（BnF）的手稿图像文件
- 对应图像的ALTO 4.2 XML标注文件，遵循http://www.loc.gov/standards/alto/v4/alto-4-2.xsd schema，包含布局分割与Unicode转录信息
- catalogue.txt: 文本文件，记录图像信息、手稿 shelfmarks、字体风格（阿什肯纳兹、意大利、塞法迪）、体裁（圣经、拉比文献）、日期、图像类型（彩色/灰度）、IIIF清单及图像下载链接（70张BAV图像仅提供IIIF链接）
数据来源
法国国家图书馆（BnF）、梵蒂冈图书馆（BAV）
适用场景
- 手写文本识别（HTR）模型训练：针对中世纪希伯来手稿的文本识别算法开发
- 中世纪希伯来文献数字化：支持古籍的自动转录与数字化保存
- 手稿图像布局分析：研究中世纪希伯来手稿的排版结构与书写特征
- 图书馆古籍资源利用：辅助图书馆对希伯来手稿的整理与检索优化
