This project aims to automate data entry from documents using Optical Character Recognition (OCR) technology. It can extract text from images, making it easier to digitize and process documents. This can improve the efficiency and accuracy of various business processes.

This project provides Beanshell scripts to export tiles from the Slide Explorer plugin of Micromanager, a popular microscope control software. The scripts extract and save tiles as separate TIF files and generate text files with their canvas and stage coordinates, compatible with the Grid/Collection Stitching plugin for image stitching and mosaic creation.

Configuration Docker pour déployer l'image Docker JupyterLab du projet Abes labo-indexation-ia, permettant l'analyse de données, la recherche et l'extraction d'information à partir de textes, et le développement et test d'algorithmes d'intelligence artificielle.

Un wrapper Node.js pour tesseract-ocr, facilitant l'extraction de texte à partir d'images TIFF en utilisant l'API tesseract-ocr.

Outil d’extraction de corpus ISTEX permettant de décharger un corpus de fichiers textes, de fichiers de métadonnées ou de fichiers d’enrichissement depuis la base ISTEX à partir d’une requête ou d’un fichier .corpus. Il est possible d’avoir ce programme sous forme d’une image Docker.

Ce projet permet d'extraire le texte et les métadonnées contenus dans des fichiers XML de décisions de justice.

Outil permettant d'extraire des images et des graphiques à partir de fichiers PDF, en supprimant le texte superflu présent dans ces images.