Britannica Illustrated Pages est publié par BigLAM pour étudier la distribution des illustrations et le contenu visuel des différentes éditions de l'Encyclopædia Britannica, offrant une ressource d'images annotées à grande échelle.

Les données proviennent des volumes numérisés de la 1ʳᵉ édition (1768‑1771) à la 14ᵉ édition (1929) de l'Encyclopædia Britannica. Grâce à un classificateur de pages, 115 293 pages contenant des illustrations ont été sélectionnées parmi les 975 345 pages de documents sources.

Composition de l'ensemble de données

• Sous-ensemble pages : 115 293 entrées au total, stockant des pages illustrées en JPEG redimensionnées à 600 px, accompagnées de métadonnées complètes.
• Sous-ensemble manifest : couvre l'intégralité des 975 345 pages des volumes sources, enregistrant les scores du classificateur, les statistiques de texte OCR et les informations de provenance des documents, sans inclure d'images.
• Sous-ensemble crop_masks : généré à partir des prédictions du modèle RF‑DETR Seg, incluant 115 293 pages, soit 700 480 instances d'illustrations au total (confiance ≥ 0,10), fournissant les cadres de délimitation et les masques de segmentation des instances d'illustrations.

Champs principaux :

• ia_id
• volume
• page (identifiant de localisation du document source)
• p_illustrated : probabilité de détection d'illustration
• words : nombre de mots reconnus par OCR
• stratum : type de page
• tier
• bucket_url
• file_key

Citation

Lors de l'utilisation de cet ensemble de données, veuillez citer la source Internet Archive de la page correspondante (ia_url) ainsi que l'institution contributrice du document numérisé (le cas échéant). Les étiquettes d'entraînement sont fournies par la Bibliothèque nationale d'Écosse (National Library of Scotland) ; le classificateur, la numérisation et l'organisation des données ont été réalisés par Daniel van Strien, et l'ensemble de données est publié via BigLAM.