Downloads · 30 days
0
Yolo-Seg-TextRegion-TextLine-Manuscript
LaMOP/Yolo-Seg-TextRegion-TextLine-Manuscript
Yolo-Seg-TextRegion-TextLine-Manuscript is a image segmentation model from LaMOP. Use it for the image segmentation task on the model card, and read the license before you ship it in a product. The card lists the license as cc0-1.0.
Access
Public
Updated Jun 1, 2026
Repo size
152 MB
Likes
1
Public
Repo makeup
Click a slice to open those files.
.pt148 MB · 98%
At a glance
- Task
- Image Segmentation
- License
- cc0-1.0
- Access
- Public
- Created
- May 22, 2026
- Updated
- Jun 1, 2026
- SHA
- dffa4d11
Base models
Model card
From the Hugging Face model README
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.
| Champ | SegN | SegX |
|---|---|---|
| Nom du modèle | Yolo-Seg-TextRegion-TextLine-Manuscript-SegN.pt | Yolo-Seg-TextRegion-TextLine-Manuscript-SegX.pt |
| Librairie | Ultralytics YOLOv8.4.49 | Ultralytics YOLOv8.4.49 |
| Type | Segmentation d’instances | Segmentation d’instances |
| Architecture | YOLOv26n (nano) | YOLOv26x (extra-large) |
| Taille des poids | ~6.6 Mo | ~141 Mo |
| Résolution d’entrée | 640x640 (par défaut) | 640x640 (par défaut) |
| Classes | 2 (TextRegion, TextLine) | 2 (TextRegion, TextLine) |
| Framework | PyTorch ≥ 2.0 | PyTorch ≥ 2.0 |
| Licence | CC-Zero | CC-Zero |
Performances
| Métrique | Valeur SegN | Valeur SegX |
|---|---|---|
| mAP50-95 (val) | 63.98% | 68.73% |
| mAP50 (val) | 82.25% | 84.92% |
| Précision (P) | 0.88186 | 0.90743 |
| Rappel (R) | 0.76673 | 0.80739 |
Dataset
Composition
- Taille totale : 6599 images (5279 train / 1320 val).
- Format d’annotation : YOLO (fichiers
.txtavec masques de segmentation).
Courbes et visualisations
- Courbe PR (Precision-Recall) :
Courbe PR pour le modèle SegN
Courbe PR pour le modèle SegX
- Matrice de confusion :
Confusion Matrix pour le modèle SegN
Confusion Matrix pour le modèle SegX
- Exemple de détection :
Exemple sur le manuscrit "FRAD052_8H033_0043, Arch. dép. Haute-Marne, 8 H 33, Vrécourt n°7", disponible sur l'entrepôt de données Nakala
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.
- Task
- Image Segmentation
- License
- cc0-1.0
- Created
- May 22, 2026
- Updated
- Jun 1, 2026