Ce projet fournit des outils pour altérer des documents textuels de manière à reproduire les dégradations courantes de la reconnaissance optique de caractères (ROC). Cela peut être utile pour évaluer les procédures de traitement de données historiques endommagées.

Le projet ICU (International Components for Unicode) est une bibliothèque open-source qui fournit des fonctionnalités avancées de traitement de texte et de formatage de données pour les applications internationalisées. ICU prend en charge un large éventail de langues et de régions, et offre des fonctionnalités telles que la décomposition et la normalisation de chaînes, la segmentation de mots, la conversion de calendriers, le tri et la collation, ainsi que le formatage de nombres, de devises, de pourcentages et de dates.

ParCoLab Tools est un ensemble de scripts facilitant la création de fichiers XML-TEI pour le dépôt de corpus dans la bibliothèque de textes alignés ParCoLab. Ces scripts permettent la segmentation et l'alignement de textes en plusieurs langues, la génération de métadonnées descriptives pour les corpus et l'assemblage de paires de métadonnées et de textes segmentés.

Le projet CORLI-GUM vise à fournir une plateforme d'annotation collaborative pour les corpus langagiers, permettant l'annotation de divers types de corpus présentant des structures, méta-données et données spécifiques. Les annotations couvrent différents niveaux, de la segmentation à l'analyse sémantique et discursive. La ressource est enrichie chaque année par l'ajout de nouveaux textes et l'extension des couches d'annotations, aboutissant à un corpus diversifié et entièrement annoté.

Ce projet utilise le package doc-ufcn pour analyser la mise en page de documents et reconnaitre des formulaires dans des images. Il permet de segmenter les images de documents en différentes zones telles que le texte, les images et les tableaux.

Ce projet est une collection d'outils et de pipelines UIMA pour l'analyse de textes médicaux. Il permet l'extraction d'informations démographiques et la segmentation de textes en sections.

Le projet TreeTaggerAdvanced est un outil d'analyse linguistique avancé permettant l'étiquetage de parties du discours, la reconnaissance d'entités nommées, la segmentation de texte et l'analyse syntaxique. Il est basé sur le logiciel TreeTagger original et en améliore les fonctionnalités grâce à l'ajout de nouvelles options et de capacités de personnalisation.

Outil de segmentation de phrases pour l'analyse de textes volumineux, permettant d'extraire rapidement et efficacement les phrases d'un corpus donné.

Le projet segmentation-network est une implémentation de DeepLab-ResNet dans TensorFlow pour la segmentation d'images sur la base de la dataset PASCAL VOC. Il permet la segmentation d'images à grande échelle avec une précision de 79,7% sur le jeu de test de PASCAL VOC.

Le projet FLAIR-2 vise à améliorer la précision des cartes en fournissant une description plus complète et une meilleure compréhension de notre environnement. Il s'appuie sur un jeu de données d'imagerie aérienne de haute résolution avec plus de 20 milliards de pixels annotés, acquis sur trois ans et différents mois. Les images aériennes sont accompagnées de données Sentinel-2 avec 10 bandes spectrales, offrant une résolution spatiale de 10 mètres. Le défi consiste à intégrer des informations texturales et temporelles pour améliorer la segmentation sémantique de ces données multi-sources.