La dernière mission de l’Institut de Recherche et d’Histoire des Textes pour explorer les manuscrits médiévaux de la bibliothèque d’agglomération du Pays de Saint-Omer a, comme les précédentes, apporté son lot d’heureuses découvertes.
Par exemple, nous avons pu affiner l’identification de l’usage liturgique et l’emploi spécifique de deux manuscrits pour la collégiale (aujourd’hui cathédrale) de Saint-Omer.
Le ms. 699 lectionnaire que le catalogue de Michelant (donc le CGM) datait du XIVe siècle est en fait du XIIIe siècle et porte les traces de l’évolution de la liturgie audomaroise. Si Duchet, dans ses Additions et corrections, a bien noté plusieurs des fêtes, dont celle d’Erkembode d’intérêt très local, il ne signale pas qu’il y a une partie primitive (sanctoral commençant à la fête de saint Omer, puis temporal, puis commun) et des ajouts, en particulier celui de la Fête-Dieu (instituée à partir de 1264). En outre, les feuillets de garde sont remplis de noms, qu’il nous reste à identifier, pour certains, mais qui sont très vraisemblablement des chanoines.
Le ms. 258 , catalogué par Michelant (donc le CGM) comme un Ordo ad visitandum et ungendum infirmum anonyme, est correctement muni d’une provenance de la cathédrale de Saint-Omer par les Additions et corrections de Duchet. L’étude des litanies montre néanmoins que ce n’est pas seulement une provenance, mais assurément une origine ! En effet, on y trouve “Sancte Audomare” (saint Omer) deux fois au début de la liste et “Sancte Bertine” à la fin (f. 11r-v). Il est donc certainement destiné à l’usage de la collégiale (aujourd’hui cathédrale) Notre-Dame de Saint-Omer et produit dans la région. Il n’est d’ailleurs pas certain que ce soit un fragment d’un plus grand ensemble. En effet, il peut parfaitement s’agir d’un livret d’usage pratique pour un prêtre amené à visiter les malades de la ville, hommes et femmes (toutes les formules sont indiquées aux deux genres). Sa date peut être précisée au troisième quart du XVe siècle.
Outre des fragments en onciale que nous avions déjà vus la dernière fois dans le ms. 437 (numérisé dans la BVMM), mais que nous avons réexaminés, nous pouvons signaler aussi deux manuscrits où nous avons vu des fragments en écriture caroline. Jacob Currie a déjà twitté sa découverte dans le ms. 883. Grâce à l’habileté de Remy Cordonner, les talons dans la reliure ont été immédiatement dégagés et révèlent le début du commentaire de saint Jérôme sur Michée.
Dans la magnifique salle de lecture de la Bibliothèque d’agglomération du pays de Saint-Omer, Remy Cordonnier, responsable du fonds ancien, présente le manuscrit 883 avec le fragment dégagé de la contregarde supérieure du volume.
On signalera aussi notre découverte de fragments dans le ms. 356. Pour l’instant non identifiés, mais nous sommes preneurs de suggestions !
Saint-Omer, Bibliothèque d’agglomération du Pays de Saint-Omer, ms. 356, plat sup., recto
Saint-Omer, Bibliothèque d’agglomération du Pays de Saint-Omer, ms. 356, plat inf., verso, détail
Saint-Omer, Bibliothèque d’agglomération du Pays de Saint-Omer, ms. 356, plat inf., verso
Saint-Omer, Bibliothèque d’agglomération du Pays de Saint-Omer, ms. 356, plat inf., recto
Saint-Omer, Bibliothèque d’agglomération du Pays de Saint-Omer, ms. 356, plat sup., verso
Saint-Omer, Bibliothèque d’agglomération du Pays de Saint-Omer, ms. 356, plat sup.
Au cours de mon étude sur la transmission des textes chez les Cisterciens, je collationne (partiellement) plusieurs manuscrits de Papias, dont l’un provenant de Clairvaux, le ms. Montpellier, Bibliothèque interuniversitaire de Médecine, H 109 (catalogue de Pierre de Virey, S 59). L’ex-libris de Clairvaux se voit d’ailleurs dès le premier feuillet
Montpellier, BIUM, H109, fol. 1rEx-libris de l’abbaye de Clairvaux : “Liber sancte Marie Clarevallis” (Montpellier, BIUM, H109, fol. 1r, détail)
Call for Papers – Leeds International Medieval Congress, 1-4 July 2019, Leeds
The International Medieval Congress (IMC) is the largest medieval studies conference in the world. More than 2,900 medievalists from more than 60 countries participated in the 25th annual International Medieval Congress (IMC) from 2-5 July 2018.
In line with the Special Thematic Strand in 2019 “Materialities” (https://www.leeds.ac.uk/ims/imc/imc2019_call.html) and the recent creation of the strand “Manuscript studies”, we organize sessions on “Text as object in the Middle Ages”. Texts, indeed, are at the same time an idea and a form. The latter is the result of a combination of inherited social uses and specific intentions by the various actors involved in transmitting the text as idea. This process begins with the authors, continues to the craftsmen (parchment and paper makers, copyists and chancery clerks, painters and illuminators, sculptors and weavers, booksellers…) and then on to possessors, readers, archives and libraries. All textual artefacts are concerned: manuscripts, charters, inscriptions, tapestries, seals, coins, etc.
What scholars can study nowadays is however only one specific, if not final, state of those manuscripts, documents and inscriptions, from which they seek to reconstruct the respective intents of the actors. Under the topic “Text as object in the Middle Ages”, we intend to study the interplay of the original creation act, the possible transformations, and modern scholarship, especially along the following lines: “archaeology of a research concept”, “materiality in scholarly editions”, “genre and materiality”, “fragments”, “imaging techniques and physicochemical analysis”
Archaeology of a research concept: awareness of materiality in the 15th-19th centuries
Medieval library catalogues started including dictiones probatoriae or secundo folio as identifiers of a given manuscript as object rather than as the bearer of a text; additional information on the physical appearance could also be indicated (size of the script, illumination, …). Cartularies and registers, but also inventories, sometimes include a description of the original charter, be it in a text form, be it as a drawing (“copie figurée”), also for elements which are no validation signs. These are early examples of an awareness of material aspects in textual artefacts. “materiality” as a term is rather new in historiographical research, however there is a complex archaeology of this research concept applied to texts. Starting in the Middle Ages, it became more prominent with the rise of the “auxiliary sciences” such as palaeography and diplomatics in the 17th and 18th century which were very much focused on the material aspects of written objects. By the 19th century it found its way into the bibliographic descriptions, either in a scholarly environment or in auction and sales catalogues as part of a bibliophilic interest.
This pre-historical time of “materiality” as a research concept is not well known. We welcome proposals dealing with examples of a “material” approach to manuscripts and documents in medieval and early modern times, and evidencing the consequences of this past material concern on modern scholarship (e.g. identification of well described manuscripts in past collections vs. apparently lost collections).
Materiality in Scholarly Editions
When doing editorial work, scholars may take the materiality of the text into account and either decide to discard their observations or communicate them to the user. From imitative, so-called “diplomatic” editions to very normalizing ones, several models coexist depending on editorial goals, national traditions, text genres, or witness tradition with regard to the nature of the textual work. Discussions of former editions and practices are welcome, as well as proposals discussing the current developments in scholarly editions. This could include reflections on the tensions resulting from tight schedules due to fixed-term contracts and the ideal of exhaustive material description and analysis.
Genre and materiality: literary genre and their influence on layout, decoration, and scripts
The connection between text and object is reflected by specific requirements for the written object in the fields of diplomatics, epigraphy, codicology (layout, material structure), art history (iconography, decoration), and palaeography (script types, abbreviations, script size and degree of formality).
Recurrent patterns in book production have already been identified, such as books of hours and prayers for lay people being small in size, illustrated, and written in long lines, or genealogies and universal histories being written in scroll format in order to stress the continuity. There are also illuminators working mainly in the production of one or two literary genres, for whom it is not always possible to ascertained if it is a consequence of being hired by one librarian or if they specialized into specific iconographic types. Illuminated charters as a category may also be connected with specific conditions in their creation.
Connexions between script types and text genres also may be a medieval reality uncovered by modern research (Beneventan/Caroline scripts depending on genres) or a historiographical construct (such as the misleading “gothic liturgical script” or Uncial as Christian script). In this regard, cultural divide and contact zones (Beneventan, Wisigothic vs. Caroline; Humanistic vs. Gothic) deserve special attention, as well as a further study of “pragmatic literacy” under the pragmatic aspect of writing.
Medieval autographs form a cross-genre domain, in which the intervention of the author may provide modern scholars with additional information. Yet, only a reciprocal analysis of text and handwriting in their context should allow the expertise of autography. Theoretical proposals and case studies demonstrating how material (here mainly palaeographic) and textual inquiries interact are welcome.
Papers could focus on new results within these known patterns or new connections between text and materiality.
Fragments and damaged text objects: an ex post decided layout and format definition
Fragments are a challenging form to study manuscripts both as texts and objects. They pose specific challenges for the identification of the textual contents as well as the objects’ origin and life. Proposals may present innovative tools and projects, as well as scholarly research based on virtual or physical reconstruction of dismembered or fragmentary text objects. The organizers particularly welcome proposals dealing with the fragment as source for the broader historical context (e.g. textual history, reception and cultural transfers).
Imaging techniques and physicochemical analysis of medieval text objects
The material analysis is not a new field any more. Imaging techniques available for manuscript research include those based on physicochemical properties (multispectral, X-ray fluorescence, etc.) as well as those that allow a better perception of the object (Reflectance Transformation Imaging, 3D scan). Recent technological advances now allow a better coordination of textual studies,imaging and physicochemical research. Examples include the Archimedes palimpsest, the manuscripts from Mount Sinai or the rolls from Herculanum and Ein Gedi. For this session we expect proposals illustrating how material analyses or imaging techniques can reveal hidden or illegible text layers and therefore have a direct impact on our understanding of the textual content and its history.
Papers of 20 minutes in length are invited. To propose a paper, please send a brief abstract (250 words max) to
dominique.stutzmann@irht.cnrs.fr
katharina.kaska@univie.ac.at
sebastien.barret@cnrs-orleans.fr
paul.bertrand@uclouvain.be
christoph.egger@univie.ac.at
georg.vogeler@uni-graz.at
The deadline for receipt of submissions is 25th September 2018.
Il y a tout juste six ans, je donnai une communication à Namur sous le titre « ‘In varietate concordia’ : les traditions livresque et cursive au XIIe siècle » dans le cadre du cycle de conférences organisées par le centre de recherche « Pratiques médiévales de l’écrit » (cf. programme). Le titre, pour lequel j’ai cédé à la mode du surtitre latin, évoquait la théorisation de deux modes d’écriture et j’ai présenté les problèmes d’attribution, de datation et d’identification des mains par-delà la divergence de ces modes. Depuis, des articles et études très stimulants ont paru, notamment les définitions du polygraphisme dans T . De Robertis, « Una mano tante scritture. Problemi di metodo nell’identificazione degli autografi », dans Medieval Autograph Manuscripts. Proceedings of the XVIIth Colloquium of the Comité International de Paléographie Latine, held in Ljubljana, 7-10 September 2010, édité par Nataša Golob, (Bibliologia 36), Turnhout: Brepols, 2013, p. 17‑38.
Et là, je trouve un fragment d’une Ars dictandi dont le copiste change son écriture pour passer, si j’ose dire, au style direct et donner le texte d’un acte. Il emploie donc une Textualis libraria pour copier l’ouvrage et les conseils donnés au lecteur, mais ce que l’on pourrait appeler dans le domaine livresque une Cursiva antiquior pour le texte des actes. Il s’agit d’une écriture diplomatique contemporaine et d’une preuve inattendue de la conscience graphique du copiste.
L’écriture du Moyen Âge : un objet sous le regard croisé des Humanités et des Sciences de l’ingénieur
Comprendre les écritures dans une approche transdisciplinaire
Le projet ORIFLAMMS (Ontology Research, Image Features, Letterform Analysis on Multilingual Medieval Scripts) a rassemblé trois laboratoires SHS, trois laboratoires STIC et une société industrielle pour étudier les écritures du Moyen Âge et le multilinguisme médiéval dans une approche interdisciplinaire et novatrice.
À la rencontre d’enjeux épistémologiques, scientifiques, technologiques, industriels et sociétaux, ORIFLAMMS analyse l’évolution des systèmes et formes graphiques des écritures d’un temps long (le Moyen Âge) selon leur contexte de production (écritures usuelles, diplomatiques ou livresques) et leur langue (latin ou vernaculaire). Il établit un Corpus de référence, une ontologie des formes et une analyse des structures graphiques des écritures pour passer d’une approche linéaire (textuelle) à une approche visuelle pour répondre aux interrogations des linguistes, historiens des écritures (paléographes, diplomatistes et épigraphistes) et chercheurs industriels en reconnaissance des formes. Il développe à cette fin des outils d’analyse d’image innovants et open source pour l’analyse graphique et l’analyse textuelle.
Il doit permettre aux historiens et linguistes de comprendre les évolutions de l’écriture dans l’environnement multilingue du Moyen Âge ; offrir à l’industrie des technologies nouvelles pour l’analyse des écritures manuscrites et leur utilisation dans un contexte numérique. À l’avenir, il pourra aussi enrichir l’approche des processus scripturaux des anthropologues, pédagogues et neurocognitivistes.
Élaboration de corpus, intelligence artificielle, vision par ordinateur et expertise humaine
L’étude des écritures du Moyen Âge selon leurs différents contextes et langues s’est fondée sur une association étroite entre les différents acteurs.
Un premier volet consistait en l’élaboration d’un Corpus de référence qui dépasse en taille et en diversité, tous ceux utilisés jusqu’à présent et qui couvre diverses situations d’écritures au Moyen Âge : plus de 250 inscriptions en latin et en français, de 100 chartes et documents, près de 200 pages de livres latins, 130 pages d’un manuscrit français (Queste del saint Graal), et 400 pages de registres de chancellerie.
Un deuxième volet consistait à développer des outils pour « aligner », c’est-à-dire associer de façon fine le texte et l’image, afin de permettre une étude conjointe du texte et de l’image du texte avec ses phénomènes graphiques (abréviations, jeux de lettres, présence de majuscules ou de ponctuation). Pour ce faire, deux méthodes ont été mises en œuvre. La première méthode proposait une analyse de l’image sans apprentissage préalable (« learning free ») en reposant sur un code d’analyse des caractères écrits ; elle a été intégrée dans un logiciel open source publié par le consortium du projet. La deuxième méthode se fonde sur de l’intelligence artificielle. Dans cette deuxième méthode, on dit à la machine quelles sont les pages et quel est le texte et elle apprend, toute seule ou presque, comment lire et associer les différents pixels à des lettres.
Enfin, le troisième volet comprenait la validation et l’analyse des résultats des machines par les « humains », à la fois pour identifier les forces et faiblesses des logiciels utilisés et pour alimenter l’expertise historique.
Résultats majeurs
Les résultats obtenus se répartissent en six catégories : (1°) Corpus de référence ; (2°) Définition du format ; (3°) Livrables logiciels ; (4°) Alignements texte-image ; (5°) Analyse paléographique (SHS/STIC) ; (6°) Réflexion sur l’interdisciplinarité.
Le Corpus de référence dépasse en taille et en diversité les données utilisées jusqu’ici et a été publié dans un format interopérable qui pourra être utilisé à l’avenir par des chercheurs de tous horizons (https://github.com/oriflamms). Les partenaires ont amélioré des logiciels qui existaient déjà, mais ils ont aussi publié un logiciel open source (https://github.com/Liris-Pleiad/oriflamms) qui pourra être intégré par des grandes bibliothèques numériques. Les alignements texte-image réalisés par l’intelligence artificielle sont les meilleurs actuellement publiés et permettront à d’autres chercheurs d’entraîner leurs machines pour aller plus rapidement vers une lecture assistée par ordinateur. Au cours de ce projet, ces alignements ont déjà permis de grandes avancées dans l’analyse des différentes formes de lettres au cours du temps, tout en enrichissant la réflexion sur la recherche transdisciplinaire, tant à l’intérieur du consortium du projet que lors de l’organisation de séminaires internationaux, qui ont mis à jour, de façon nouvelle, des éléments cruciaux, tels qu’une correcte identification des partenaires, de leurs rôles, de leur degré d’expertise, et des processus de construction de la confiance.
Production scientifique
Le projet ORIFLAMMS a développé une production scientifique dans les différents champs où il était actif. Dans le champ épigraphique et paléographique, les principes mêmes du projet ont fait l’objet de publications, mettant dans une perspective nouvelle le phénomène de « canonisation » de l’écriture et l’importance de la variabilité comme critère d’analyse de l’histoire de l’écriture. L’étude de l’espace entre les mots a permis des recherches multi-auteurs à la croisée entre linguistique et paléographie. En analyse d’images, plusieurs articles ont montré les avancées faites pour l’alignement texte-image tant sans apprentissage qu’avec intelligence artificielle. Enfin des publications ont porté sur le travail transdisciplinaire et ses fruits pour les communautés concernées.
Illustration
Capture d’écran du logiciel oriflamms.exe
Informations factuelles
Le projet Oriflamms est un projet de recherche fondamentale, lié à un développement expérimental, coordonné par l’Institut de Recherche et d’Histoire des Textes (CNRS, UPR 841). Il associe aussi une entreprise industrielle A2iA, ainsi que des laboratoires en Sciences humaines (ICAR, CESCM, Centre Jean Mabillon) et en Sciences de l’Ingénieur (LIPADE, LIRIS). Le projet a commencé en février 2013 et a duré 42 mois. Il a bénéficié d’une aide ANR de 241 000 € pour un coût global de l’ordre de 750 000 €.
Medieval scripts: a Research field for the Humanities and Computer Science
Understanding medieval scripts in a cross-disciplinary approach
The ORIFLAMMS (Ontology Research, Image Features, Letterform Analysis on Multilingual Medieval Scripts) research project gathered three research teams in the Humanities, three labs in Computer Science as well as a private company to analyze the medieval scripts and the medieval multilingualism.
ORIFLAMMS addresses a broad range of issues, ranging from epistemology and science to technology, industry and society, through the analysis of writing systems, their evolution in the long period of the Middle Ages, and their variation according to the production context (daily-life writings, diplomatic and book scripts) and language. It also establishes a Reference corpus, a formal ontology of character forms, and a new way of analyzing graphic structures of scripts in order to move from a linear-textual approach to a visual one. This will, in turn, allow new research results for linguists, historians and industry researchers in computer vision. The large scope of this project give new clues to understand the evolution of scripts in a multilingual environment and to develop technologies to analyze handwritten texts. The deliverables can also be used by anthropologists, pedagogy and neuroscience researchers to enhance their understandings of scriptural processes.
Corpus, artificial intelligence, computer vision and human expertise.
The research on medieval scripts and their variation according to context and language required a profound collaboration between the different partners.
Firstly, they established a Reference corpus, which is larger and more diverse than the actual standard ones. It represents the different writing situations in the Middle Age: more than 250 French and Latin inscriptions; 100 charters and documents; ca. 200 pages of Latin manuscripts; 130 pages of the French Queste del saint Graal and 400 pages of Chancery registers.
Secondly, they developed new tools to perform the “text-image alignment”, i.e. associate the text and its coordinates on an image at a fine level of granularity so as to allow a joint analysis of the text and its graphical appearance (abbreviations, interlaced letters, capitalization, punctuation). Two different methods were implemented. The first one consists in the coding of written characters and a learning-free image analysis; it is implemented in the open source software that the project consortium published. The second one is based on artificial intelligence and machine learning: given the page images and the text, the machine learns how to read and associate the pixels to letters.
Thirdly, the human experts validated and analyzed the results provided by automated processes, in order to measure the accuracy of machines and nourish the historical study.
Main outputs
The Oriflamms project produced six sorts of outputs: (1) Reference corpus; (2) Format specification; (3) Software; (4) Text-image alignments; (5) Palaeographical analysis (Humanities/Computer Science); (6) Cross-disciplinary methodology.
The Reference corpus outmatches the actual standard corpuses by its size and its diversity. It is published under an interoperable format (https://github.com/oriflamms). The involved teams enhanced already existing software, but also published an open source software (https://github.com/Liris-Pleiad/oriflamms), which larger digital libraries may now integrate in their infrastructure. The alignments provided by the artificial intelligence mechanisms are the best ones actually published and provide the ground-truth to train new machines and progress towards handwritten text recognition for medieval scripts. During this research project, the alignments already allowed for new insights in the analysis of letter shapes and their evolution. At the same time, the different teams reflected on their experiences of cross-disciplinary works and organized international seminars which identified crucial factors for a successful partnership (identifying and defining the roles of partners, assessing their expertise, trust building mechanisms).
Scientific outputs
The researchers involved in the ORIFLAMMS project produced scientific outputs in all fields covered by the research project. In epigraphy and palaeography, the core principles of the research were explained by several publications to put in a new perspective the “canonization” process and the variability of script as a major factor to analyze the history of scripts. The study of word spacing was performed and published in multi-authors articles at the crossroads of linguistics and palaeography. In Image analysis, several papers have demonstrated the new advances in text-image alignment (learning free as well as with artificial intelligence). Several research papers give our conclusions on the methodology of cross-disciplinary research and its outcomes in the respective communities.
Facts and figures
The research project Oriflamms is a fundamental research, linked to an experimental software development. It is led by the Institut de Recherche et d’Histoire des Textes (CNRS, UPR 841). It gathers a industrial company A2iA as well as public research labs in the Humanities (ICAR, CESCM, Centre Jean Mabillon) and in Computer science (LIPADE, LIRIS). The project started in February 2013 for a 42-months duration. It received a 241 000 € funding from the ANR, for a global cost of around 750 000 €.
A l’occasion d’un workshop organisé par Daniel Stoekl et Marcus Liwicki, nous avons le grand plaisir de mettre en ligne un premier corpus, comprenant une image avec le texte aligné et la classification de quelques allographes.
A télécharger ici : https://icloud.irht.cnrs.fr/owncloud/index.php/s/zxn2mtQMIbmdq4h
Amusez-vous bien !
Ce document est la publication du format XML-TEI utilisé pour l’alignement texte-image et l’annotation des formes par le logiciel Oriflamms.exe . La présente spécification décrit les bonnes pratiques pour l’emploi balises TEI en vue de l’alignement texte image et dans l’annotation des caractères du projet Oriflamms.
Ce document est la publication du format XML-TEI utilisé pour l’alignement texte-image et l’annotation des formes par le logiciel Oriflamms.exe . La présente spécification décrit l’arborescence des fichiers.
L’International Medieval Congress 2016 de Leeds va vers sa fin. De nombreuses communications de grande qualité ont déjà été prononcées dans des sessions toujours plus nombreuses où il est de plus en plus difficile de choisir.
Parmi les “strands” ou sessions auxquels j’ai assistés et liés, voici ceux portant sur les manuscrits, à la paléographie et au numérique (Guiding the Mind of the Beholder: The Materiality of Medieval Texts as Determinant of Its Meaning and Use, sessions 109, 209, 309 ; Digital Methods round table 432, sessions 531, 631, 731 ; The Reception and Evolution of Caroline Minuscule in the Iberian Peninsula 1109, 1209, 1309 ; Stylus as a Paint Brush: Writing and Artistic Creation 1511, 1611) et il m’a été impossible de me rendre à la session de Ben Albritton (1631).
De mon côté, j’ai montré pour Oriflamms comment notre logiciel permet de mesurer objectivement les espaces entre les lettres et entre les mots. En validant la méthode de Paul Saenger (1997) pour évaluer une unité d’espace, je propose de la rapporter à la longueur moyenne d’un caractère (un espace peut être perçu à partir de 2/5e de caractère et il devient clair à 1/2 caractère de longueur). Les espaces varient selon la nature grammaticale des mots et permettent de mettre en lumière une conscience linguistique chez les scripteurs médiévaux.
Au cours de la communication “Le manuscrit Yale, Beinecke Library, MS 625 est-il grand?” de mon collègue Renaud Alexandre de l’IRHT, j’ai pu voir les dimensions de 35000 manuscrits projetés sur une même diapositive. Pour cela, il a utilisé le dump de la Schoenberg database. Cela lui permet de voir, époque par époque, la distribution des dimensions des manuscrits et d’évaluer la grandeur relative d’un livre par époque. Et là, miracle pour moi : j’ai vu la confirmation de ce que j’écrivais en 2002 dans ma thèse des Chartes. Pour l’ensemble du Moyen Âge, il est inutile de classer les manuscrits selon leur “proportion” par rapport à la “proportion invariante (0,707)” comme fait dans les ouvrages fondamentaux de la codicologie quantitative. En effet, la courbe de tendance des dimensions est une droite, mais qui ne passe pas par zéro !
Voici l’extrait concerné de ma thèse de 2002 :
1.1.1.1. Proportion (Largeur / Hauteur)
Après avoir étudié la taille et la hauteur, il nous faut prendre en considération les rapports des différentes mesures du feuillet, en particulier la largeur et la hauteur. Premier rectangle qui s’offre à l’étude, le feuillet lui-même pourrait porter les « rapports non arbitraires » ou « remarquables » de Tschichold et Gilissen, et manifester des proportions idéales utilisées pour la construction et la mise en page des manuscrits[1]. Exception faite de la proportion invariante de 0,707 utilisée de nos jours pour fabriquer le papier en Europe, tout pliage entraîne un changement de proportion. Selon les formats matériels et les jugements esthétiques des artisans du livre, la proportion peut prendre des valeurs variées.
Pour le scriptorium de Fontenay, le graphique ci-dessous montre une courbe de proportion fortement erratique. De prime abord, il n’apparaît aucune corrélation manifeste entre la taille des manuscrits et la proportion des feuillets. Le graphique représentant le groupe des manuscrits du xiie siècle ne fait pas plus apparaître d’homogénéité que le graphique ci-dessus représentant l’ensemble des manuscrits conservés de la bibliothèque.
Néanmoins, il ne faut pas se laisser abuser par cette apparence de répartition arbitraire. En effet, la comparaison des livres produits à Fontenay avec le corpus étudié par F. Bischoff présente un intérêt majeur, en mettant en lumière des différences sensibles dans la répartition des proportions[2].
Proportion (largeur / hauteur)
Corpus de F. Bischoff
Scriptorium de Fontenay
< 0,66
—
3 mss = 5,4 %
0,66-0,68
10 mss = 12,7 %
9 mss = 16,1 %
0,69-0,71
12 mss = 15,2 %
23 mss = 41,1 %
0,72-0,74
31 mss = 39,2 %
20 mss = 35,7 %
0,75-0,77
15 mss = 19 %
1 ms = 1,8 %
0,78-0,80
7 mss = 8,9 %
—
0,81-0,83
2 mss = 2,5 %
—
0,84-0,86
1 ms = 1,3 %
—
0,87-0,89
1 ms = 1,3 %
—
Total
79 mss = 100 %
56 mss = 100 %
La confrontation des deux corpus permet de tirer une conclusion : ce que l’on interprétait dans le cas de Fontenay comme une courbe erratique ne semblait si peu régulier qu’en raison d’une trop courte vue et de la loupe posée sur un ensemble restreint de manuscrits. Au regard des données présentées dans le tableau ci-dessus, la répartion observable à Fontenay est beaucoup plus resserrée et homogène. Cette comparaison permet de révéler une norme et des pratiques cohérentes dans la production du scriptorium de Fontenay : presque 77 % des livres qui y sont copiés ont une proportion comprise entre 0,69 et 0,74, c’est-à-dire proche de la proportion invariante.
En élargissant encore le champ d’analyse et en confrontant la répartition des proportions avec la taille, il apparaît que le scriptorium de Fontenay inverse complètement les évolutions constatées par E. Ornato pour l’ensemble des manuscrits du xiie siècle et présentées dans le premier graphique ci-dessous[3]. Le profil général montre en effet que les livres avec une proportion inférieure à 0,707 ont presque tous une taille inférieure à 632 mm ; deux forts contingents se trouvant entre les tailles de 382 à 407 mm, puis entre les tailles de 507 à 607 mm. Les livres avec une proportion supérieure à 0,707 voient leur nombre croître progressivement jusqu’à la taille de 632 mm.
E. Ornato, C. Bozzolo, Pour une histoire du livre manuscrit au moyen âge : trois essais de codicologie quantitative, Paris : Ed. du c.n.r.s., 1980-1983, t. I, p. 339, graphique F’
Les livres écrits dans le scriptorium de Fontenay présentent une répartition bien distincte, avec une inversion des évolutions décrites ci-dessus. Les manuscrits de petite taille ne sont pas représentés, alors que ceux de proportion supérieure à 0,707 sont nombreux jusqu’à une taille de 601-625 mm, avec un pic important entre 550 et 625 mm. Les volumes avec une proportion inférieure à 0,707 ont une population en croissance et culminent pour les tailles de 601-650 mm. Le phénomène le plus étonnant est la présence de manuscrits d’une proportion inférieure à 0,707 dans les grandes tailles, ainsi que le montre le graphique ci-dessous.
L’inversion du profil général est, comme la comparaison précédente, d’autant plus intéressante qu’elle met en lumière une singularité, qui, face aux chiffres généraux n’apparaît non plus erratique, mais relevant d’une autre organisation. Les fondements de celle-ci doivent être recherchés dans les canons de la production monastique bourguignonne. Proportion et variance diffèrent d’un scriptorium à l’autre[4]. L’on constate certes une uniformisation des pratiques au xiie siècle dans toute la France du Nord, avec une proportion inférieure en moyenne à 0,707 et une variance très faible, des différences nettes demeurent néanmoins entre les différents scriptoria. À Clairvaux, par exemple, la proportion moyenne est de 0,697 (avec une variance très faible de 0,00083) et, à Cîteaux, la proportion moyenne est de 0,703 (avec une variance de 0,00088)[5]. L’ensemble des livres produits par le scriptorium de Fontenay a une proportion moyenne de 0,704, avec une variance de 0,00075[6]. Ces résultats prouvent à la fois que la proportion n’est pas une norme absolue et qu’elle varie, mais que les variations sont limitées. Plus encore que pour la taille et la hauteur, où l’on constate les effets des contraintes matérielles, mais où le choix esthétique de confectionner des volumes de grand format s’impose, l’étude de la proportion des feuillets montre que le scriptorium de Fontenay a des pratiques homogènes, qui s’insèrent de surcroît dans un contexte esthétique cistercien et place Fontenay dans la mouvance de Cîteaux.
1.1.1.2. Hauteur et largeur : une autre approche
Si, au regard de la démonstration précédente, la proportion n’apparaît pas un fait arbitraire, mais le résultat d’une pratique. Nous désirons envisager une autre approche du rapport entre hauteur et largeur. La codicologie quantitative travaille avec la proportion : ainsi en est-il J. P. Gumbert, dans les Mélanges Hellinga[7] ou de G. Guerrini à propos des manuscrits de Pétrarque[8]. J. P. Gumbert affirme, pour commenter sa figure 1 où l’on voit disposés les hauteurs et les largeurs des manuscrits :
« The first diagram shows the sizes of 390 MSS. : 227 from the 8th to the 12th century, 163 from the 13th. […] The most striking aspect of this diagram is, that the MSS. are aligned so nicely along a straight line, and that this line virtually coincides with the line corresponding to the famous proportion a√2 […] It is not a matter of course for books to have this proportion ».
Ces deux études codicologiques observent la proportion, qui est le rapport le plus évident, et s’en contentent. Pourtant l’étude à nouveaux frais de leurs planches nous conduit à proposer une nouvelle méthode d’approche, qui ne serait pas obnubilée par les proportions nettes et simples, en particulier par la proportion normalisée et invariante du papier européen. Les deux graphiques de Gumbert et Guerrini montrent une répartition qui se modélise par une fonction affine de type y=ax+b. Ci-après, nous ajoutons à leur planche respective, les droites représentant les deux fonctions affines suivantes :
hauteur (en cm) = 5 + 1,25 x largeur (en cm)
hauteur (en cm) = 4 + 1,21 x largeur (en cm)
Ces deux fonctions semblent en effet mieux correspondre à la répartition des hauteur et largeur des manuscrits étudiés, la première par J. P. Gumbert, la seconde par G. Guerrini.
C’est sous cet angle que nous reprenons l’étude des livres produits par le scriptorium de Fontenay. L’approche géométrique présente l’avantage de sa plus grande simplicité et permet de voir la signification des rapports entre hauteur et largeur.
Le graphique permet de définir le rapport suivant comme base de la confection de livres à Fontenay :
hauteur (en cm) = 4 + 1,24 x largeur (en cm)
Le coefficient directeur est proche de celui obtenu par Gumbert pour une étude portant sur un large corpus de manuscrits antérieurs au xiiie siècle ; il diffère en revanche sensiblement de celui obtenu pour les manuscrits de Trionfi. Cette approche par fonction affine n’est pas incompatible avec les études sur la proportion, dont les résultats restent valables. Elle confirme notamment la spécificité des esthétiques des différents scriptoria, en montrant l’existence de différences bien réelles. Il n’en demeure pas moins qu’il faut nuancer l’importance de la proportion comme critère d’analyse des rapports entre hauteur et largeur dans l’étude des dimensions des feuillets pour les livres manuscrits du Moyen Âge. Il faudrait en effet préférer l’observation de la fonction affine qui rend mieux compte de la façon dont le parchemin, une fois sa surface préparée, est disposé pour recevoir l’écriture.
[1] L. Gilissen, Prolégomènes à la codicologie : recherches sur la construction des cahiers et la mise en page des manuscrits médiévaux, Gand, 1977
[2] Bischoff et Maniaci, « Pergamentgröße – Handschriftenformate – Lagenkonstruktion. Anmerkungen zur Methodik und zu den Ergebnissen der jüngeren kodikilogischen Forschung » p. 293, fig. 6
[3] Ornato et Bozzolo, Pour une histoire du livre manuscrit au moyen âge : trois essais de codicologie quantitative, t. I, p. 339, graphique F’.
[4]Ibid., t. I, p. 300-303. Cette différence est, par exemple, très sensible au XIe siècle quand les scriptoria de l’Est restent plus fidèles aux proportions carolingiennes et que les scriptoria parisiens préfèrent tôt des manuscrits plus étroits.
[5]Ibid., t. I, p. 304, tableau XVI. Les proportions et variances respectives sont les suivantes : Clairmarais, 0,719 et 0,00083 ; Saint-Amand 0,677 et 0,00065 ; Vauclair 0,693 et 0,00072 ; Belval 0,675 et 0,00107 ; Signy 0,692 et 0,00108, Saint-Thierry de Reims 0,682 et 0,00150 ; Saint-Remi de Reims 00,683 et 0,00063 ; Clairvaux 0,697 et 0,00083 ; Cîteaux 0,703 et 0,00088}. Il est malheureusement difficile de savoir sur quoi se fondent exactement ces statistiques.
[6] Si l’on calcule la proportion moyenne sur tous les manuscrits du xiie siècles provenant de la bibliothèque de Fontenay, celle-ci est de 0,7017, c’est-à-dire à peu près à mi-chemin entre Clairvaux et Cîteaux. Cette différence montre la spécificité de la production fontenaisienne même par rapport aux modèles dont le scriptorium pouvait disposer.
[7] J. P. Gumbert, « The sizes of manuscripts. Some statistics and notes », dans Anthony R. A. Croiset Van Uchelen (éd.), Hellinga Festschrift / Feestbundel / Mélanges. Forty-three studies in bibliography presented to Prof. Dr. Wytze Hellinga on the occasion of his retirement from the chair of neophilology in the University of Amsterdam at the end of the year 1978, Amsterdam, 1980, p. 277-288, p. 278.
Le logiciel d’alignement texte-image Oriflamms.exe, issu des travaux de l’ANR-12-CORP-0010, vient d’être publié. Le code source se trouve sur GitHub [https://github.com/Liris-Pleiad/oriflamms/]. L’exécutable version Windows et version Linux ainsi que les corpus alignés seront publiés dans les mois qui viennent sur le site de l’IRHT et les sites associés du projet.
Oriflamms.exe on GitHub
Avec la version 0.6.3, nous sommes parvenus à un stade dont nous sommes fiers ! Outre de petites améliorations apportées progressivement (création de lignes, ordre des menus, etc.), c’est surtout l’ensemble des fonctionnalités prévues au départ qui sont maintenant intégrées, soit directement dans le logiciel, soit grâce à la symbiose avec les développements du logiciel TXM développé à l’ENS de Lyon.
transformation d’une édition de texte en un corpus alignable (TXM)
alignement texte-image (mots): le logiciel Oriflamms.exe permet l’alignement d’une édition au format XML de la Text Encoding Initiative (TEI) avec les images des manuscrits au niveau des mots.
alignement texte-image (caractères): le logiciel Oriflamms.exe permet également l’alignement au niveau des caractères.
validation et correction de l’alignement
visualisation de l’ensemble des occurrences d’un même caractère
visualisation des occurrences d’une chaîne de caractères
calcul des longueurs et surfaces des blancs entre les mots
calcul des longueurs et surfaces des blancs entre les caractères
classification automatique des occurrences d’un même caractère
annotation des occurrences d’un caractère
calculs paléographiques sur les abréviations et les formes de caractères (TXM)
Texte aligné au niveau des mots (Le Mans, Bibl. mun., ms. 157)
Occurrences du mot “sicut” visualisées dans le logiciel Oriflamms.exe
Classification des caractères : cluster proposé automatiquement pour rassembler plusieurs occurrences de la lettre “m”
La perception, l’analyse et l’encodage des abréviations est un sujet complexe, sur lequel le projet Oriflamms a déjà permis de se consacrer (cf. D. Stutzmann, « Ontologie des formes et encodage des textes manuscrits médiévaux. Le projet ORIFLAMMS », Document numérique, 16/3, 2013, p. 81-95, aux pages 86-89, accessible en ligne : https://www.cairn.info/resume.php?ID_ARTICLE=DN_163_0081).
Pour faire avancer la discussion de façon concrète, nous publions ici la liste des abréviations que nous utilisons actuellement dans les projets Oriflamms, ECMEN et HIMANIS.
Cette liste d’abréviations latines essaie de considérer systématiquement la forme la plus brève d’encodage et la plus économique par rapport au système abréviatif latin, de façon à minimiser le nombre d’abréviations différentes, représentées par une entité. Ainsi on trouvera “dn-tilde-domin” utilisable pour “domini” ou “domino”.
Le document ci-dessous s’utilise en l’enregistrant comme un fichier .dtd.
Attention : c’est un ensemble qui est encore amené à évoluer. Toutes remarques, critiques et sugggestions seront les bienvenues.
L’un des chercheurs impliqués dans le projet Oriflamms vient de soutenir son habilitation à diriger des recherches (en bref : HDR), sous le titre « De l’Utilisation d’Informations/Connaissances en Analyse et Interprétation d’Images » ! Avec toutes les équipes partenaires, nous nous en réjouissons et en donnons ici le résumé.
Florence Cloppet : De l’Utilisation d’Informations/Connaissances en Analyse et Interprétation d’Images
Le travail présenté dans le cadre de cette habilitation à diriger des recherches propose une synthèse d’activités et de travaux scientifiques, qui s’inscrivent dans une approche pluridisciplinaire translationnelle de l’enseignement et de la recherche. Nous nous sommes principalement intéressée d’un point de vue théorique à l’analyse et l’interprétation de structures complexes en vision par ordinateur, dans la continuité de nos travaux de Doctorat.
Il nous est apparu qu’il ne fallait pas opposer recherche théorique et applicative, mais plutôt les faire interagir de manière étroite. En effet, l’application peut pousser à des développements théoriques, et inversement la robustesse de la méthodologie développée a besoin des applications pour être évaluée. Nos travaux se sont inscrits dans deux domaines applicatifs particuliers : les domaines de l’imagerie du vivant et du document. Même si ces deux domaines peuvent apparaître relativement éloignés ils présentent néanmoins des similitudes au niveau des problèmes posés et de la méthodologie de traitements utilisée. En effet, les objets à extraire ou à caractériser comme tout objet inhérent à la nature humaine ou produit par l’homme présentent une grande variabilité avec des structures relativement complexes. Par ailleurs, ils constituent des champs thématiques où la sémantique de l’image est très forte.
L’approche translationnelle adoptée, nous a permis de mieux comprendre le domaine traité et les attentes d’une analyse computationnelle de la part des experts, d’extraire des informations, de modéliser des connaissances du domaine liées soit aux objets d’intérêt, soit au mode de raisonnement des experts du domaine. Ces informations ou connaissances a priori ont été intégrées dans les algorithmes via des cadres théoriques bien établis dans la littérature, mais qui nécessitent un travail conséquent de reformulation pour s’adapter aux imperfections (bruit, résolution etc.) des images, et à la complexité des formes à segmenter ou à caractériser, et ce, que ce soit dans des images biomédicales ou des images de documents.
Nos principales contributions se situent dans l’extraction d’informations ou connaissances a priori à partir des images ou à partir du dialogue avec les experts, et à l’introduction de ces informations ou connaissances (propriétés géométriques et/ou radiométriques, informations sur la position relative de points d’intérêt ou de structures) dans les processus de segmentation ou d’interprétation de manière à éviter une initialisation précise des structures à segmenter, une intervention de l’expert lors des processus d’analyses et d’interprétation d’images mais aussi de manière à introduire une certaine flexibilité et adaptabilité des méthodes développées par rapport à la variabilité des formes étudiées, et aux conditions d’observation (structures saines ou pathologiques par exemple, suivi longitudinal en cas de traitement dans le cas d’images biomédicales, scripteurs et époques d’écriture différents, documents dégradés ou avec des conditions de numérisation variables, dans le cas d’images de documents).
Cette base d’image et de texte permet de mesurer la précision de l’alignement texte-image et la précision de la reconnaissance d’écriture manuscrite. Elle contient en effet la transcription et des coordonnées pour le ms. St. Gallen, Stiftsbibliothek, Cod. Sang. 562 – Vitae sancti Galli et Otmari (http://www.e-codices.unifr.ch/fr/list/one/csg/0562) .
Sur ce corpus, voir :
A. Fischer, V. Frinken, A. Fornés, and H. Bunke: “Transcription Alignment of Latin Manuscripts using Hidden Markov Models,” in Proc. 1st Int. Workshop on Historical Document Imaging and Processing, pages 29-36, 2011.
En effet Jihad El-Sana a mesuré sa performance sur cette base et les comparaisons n’étaient pas possibles.
C’est là que les ennuis commencent pour les Humanistes…
Le format est tout d’abord un peu exotique… euh non, en fait, franchement exotique ! Bon, pour le texte, c’est du “texte plein” (.txt), c’est bien, c’est pratique. Mais quand on regarde, le document “transcription.txt”, on voit, pour les deux premières lignes, ceci : csg562-003-01 v-e-r-s-a-t-i-o|p-e-r|o-m-n-e-m|h-i-b-e-r-n-i-a-m|c-e-l-e-b-r-i-s|h-a-b-e-r-e-t-u-r-pt|et|v-e-l-u-t-i|s-p-l-e-n conversatio|per|omnem|hiberniam|celebris|haberetur|et|veluti|BREAK
csg562-003-02 d-i-d-u-m|i-g-n-e-i|s-o-l-i-s|i-u-b-a-r|s-i-n-g-u-l-a-r-i|d-e-c-o-r-e|o-m-n-i-u-m|i-n|s-e|p-r-o-v-o-c-a splendidum|ignei|solis|iubar|singulari|decore|omnium|in|se|BREAK
Donc on a, pour une ligne :
un identifiant de ligne, constitué par la cote abrégée du manuscrit “csg562" un tiret -, le numéro du feuillet, un tiret, le numéro de la ligne ;
l’ensemble des mots transcrits lettre à lettre: chaque lettre est séparée de la suivante par un tiret ; les mots sont séparés par un pipe “|” ; la perluette est, par exception, transcrite “et” sans tiret ; si la fin de ligne interrompt un mot, ses lettres isolées sont transcrites de la même façon ;
un espace blanc ;
le même ensemble de mots transcrits mot par mot : les abréviations sont résolues silencieusement ; les mots sont séparés par un pipe “|” ; la perluette est transcrite “et” (sans tiret) ; si la fin de ligne interrompt un mot, il n’est pas transcrit, mais remplacé par “|BREAK” et le début du mot est écrit en début de ligne suivante dans la deuxième série de transcription.
Quelques heures plus tard, à manier expressions régulières, j’arrive à un document TEI parfaitement formé et valide, après avoir inséré chaque mot dans un élément <w>, doté d’attributs @n et @rend pour séparer les deux transcriptions successives . Quelques heures de plus, et j’ai un petit template XSLT pour collationner les mots abrégés, et les mots avec abréviations restituées pour insérer les lettres restituées dans des éléments <ex> (La feuille XSLT est plus bas.)
St. Gallen, Stiftsbibliothek / Cod. Sang. 562 – Vitae sancti Galli et Otmari / p. 3
Et c’est là que je découvre à mon plus grand étonnement que toute mesure de performance pour un alignement en conditions réelles est vaine. En effet, silencieusement, des lignes ont été omises qui n’apparaissent pas dans la numérotation. Cela apparaît au premier feuillet, avec une première ligne de transcription numérotée 1, qui est la troisième de l’image.
St. Gallen, Stiftsbibliothek / Cod. Sang. 562 – Vitae sancti Galli et Otmari / p. 65
mais surtout cela se répète dans la transcription où l’on trouve par exemple les deux lignes numérotées dans l’ordre
alors que l’image nous montre un numéro de chapitre rubriqué “XI.” et une première ligne de texte en capitales rustiques “PREMISSA NARRATIONE QUA COMPREHEN”, et la fin du mot se trouve à la ligne suivante (comprehen-|-sum).
Bref, nous allons travailler sur ce corpus, mais, encore une fois, on se rend compte que l’approche du texte peut être très différente d’une communauté à l’autre. Ici, nous travaillons à rapprocher les points de vue !
Et voici la feuille de style.
Cette feuille part du principe presque universellement vrai dans l’emploi des abréviations que toutes les lettres du mot abrégé se retrouvent dans le mot restitué et dans le même ordre, comme le rappelait Thomas Frenz à l’atelier “Mittelalterliche Kürzungspraktiken in Volkssprache und Latein” à Zurich du 12 mars dernier. En conséquence de quoi, dans la ligne suivante, le mot “heremus” a disparu, car la forme normalisée choisie est “eremus” et non “heremus” (également possible). csg562-009-19 m-o-n-t-e-s|p-e-r|g-i-r-u-m|e-x-c-e-l-s-i-pt|h-e-r-e-m-u-s|v-a-s-t-a-pt|et|i-m-m-i-n-e-n-s|o-p-p-i-d-o montes|per|gyrum|excelsi|eremus|vasta|et|imminens|oppido
cs
On trouve aussi des transcriptions doublées :
csg562-013-01 a-b-o-l-i-t-i-o-n-e-m|p-r-a-e-d-i-c-a-t-i-o-n-i-s|e-o-r-u-m|m-o-n-i-t-a|c-o-n-t-e-m-p-n-e-n-t-e-s-pt|c-o-n-t-e-m-n-e-n-t-e-s-pt|c-o-e abolitionem|praedicationis|eorum|monita|contempnentes|contemnentes|BREAK
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xpath-default-namespace="http://www.tei-c.org/ns/1.0" xmlns="http://www.tei-c.org/ns/1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="2.0">
<xsl:output encoding="UTF-8" method="xml" indent="no"/>
<xsl:strip-space elements="*"/>
<xsl:template match="@*|node()">
<xsl:copy>
<xsl:apply-templates select="@*|node()"/>
</xsl:copy>
</xsl:template>
<xsl:template match="/">
<xsl:apply-templates />
</xsl:template>
<xsl:template match="w[@rend='facs']">
<xsl:param name="i" />
<xsl:param name="length" />
<xsl:variable name="n"><xsl:value-of select="./@n"/></xsl:variable>
<xsl:choose>
<!-- s'il n'y a pas d'abréviation ou de restitution -->
<xsl:when test="string-length(.)=string-length(following-sibling::w[@rend='normal'][@n=$n])">
<xsl:copy-of select="."></xsl:copy-of>
</xsl:when>
<!-- pour la perluette -->
<xsl:when test="contains(., '&')">
<xsl:copy-of select="."></xsl:copy-of>
</xsl:when>
<!-- pour les mots coupés en fin de ligne -->
<xsl:when test="contains(ancestor::p[1], 'BREAK')">
<xsl:if test=".[last()]">
<xsl:element name="w">
<xsl:attribute name="n"><xsl:value-of select="$n"></xsl:value-of></xsl:attribute>
<xsl:attribute name="rend"><xsl:text>facs</xsl:text></xsl:attribute>
<xsl:element name="seg">
<xsl:attribute name="type"><xsl:text>wp</xsl:text></xsl:attribute>
<xsl:attribute name="part"><xsl:text>I</xsl:text></xsl:attribute>
<xsl:copy-of select="text()"></xsl:copy-of>
</xsl:element>
</xsl:element>
</xsl:if>
</xsl:when>
<!-- pour les mots coupés, en début de ligne -->
<xsl:when test="preceding-sibling::lb[@break='no'] and @n=1">
<xsl:element name="w">
<xsl:attribute name="n"><xsl:value-of select="$n"></xsl:value-of></xsl:attribute>
<xsl:attribute name="rend"><xsl:text>facs</xsl:text></xsl:attribute>
<xsl:element name="seg">
<xsl:attribute name="type"><xsl:text>wp</xsl:text></xsl:attribute>
<xsl:attribute name="part"><xsl:text>F</xsl:text></xsl:attribute>
<xsl:copy-of select="text()"></xsl:copy-of>
</xsl:element>
</xsl:element>
</xsl:when>
<xsl:when test="string-length(.) < string-length(following-sibling::w[@rend='normal'][@n=$n])">
<xsl:variable name="expanded" select="following-sibling::w[@rend='normal'][@n=$n]"/>
<xsl:element name="w">
<xsl:attribute name="n" select="$n"/>
<xsl:attribute name="rend"><xsl:text>facs</xsl:text></xsl:attribute>
<xsl:call-template name="collate">
<xsl:with-param name="length" select="string-length(following-sibling::w[@rend='normal'][@n=$n])" />
<xsl:with-param name="pos1" select="number(1)"></xsl:with-param>
<xsl:with-param name="pos2" select="number(1)"></xsl:with-param>
<xsl:with-param name="n" select="$n"></xsl:with-param>
<xsl:with-param name="expanded" select="$expanded"></xsl:with-param>
</xsl:call-template>
</xsl:element>
</xsl:when>
</xsl:choose>
</xsl:template>
<!-- NOUVEAU TEMPLATE POUR COLLATION DES MOTS avec abréviation, on crée une boucle qui va examiner chacun des caractères -->
<xsl:template name="collate">
<xsl:param name="pos1"/>
<xsl:param name="pos2"/>
<xsl:param name="length"/>
<xsl:param name="n"/>
<xsl:param name="expanded"></xsl:param>
<xsl:choose>
<xsl:when test="lower-case(substring(.,$pos1,1)) = substring($expanded, $pos2,1)">
<xsl:copy-of select="normalize-space(substring(.,$pos1,1))"/>
<xsl:if test="number($pos2) < number($length)">
<xsl:call-template name="collate">
<xsl:with-param name="length" select="$length" />
<xsl:with-param name="pos1" select="$pos1 + 1"></xsl:with-param>
<xsl:with-param name="pos2" select="$pos2 + 1"></xsl:with-param>
<xsl:with-param name="expanded" select="$expanded"></xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:when>
<xsl:when test="lower-case(substring(.,$pos1,1)) != substring($expanded, $pos2,1)">
<xsl:element name="ex">
<xsl:copy-of select="substring($expanded, $pos2,1)"/>
</xsl:element>
<xsl:if test="number($pos2) < number($length)">
<xsl:call-template name="collate">
<xsl:with-param name="length" select="$length" />
<xsl:with-param name="pos1" select="$pos1"></xsl:with-param>
<xsl:with-param name="pos2" select="$pos2 + 1"></xsl:with-param>
<xsl:with-param name="expanded" select="$expanded"></xsl:with-param>
</xsl:call-template>
</xsl:if>
</xsl:when>
</xsl:choose>
<!-- Tant que length n'est pas atteint, l'on rappele le template pour continuer la boucle -->
</xsl:template>
<!-- SUPPRESSION DE LA TRANSCRIPTION NORMALISEE -->
<xsl:template match="w[@rend='normal']"/>
</xsl:stylesheet>
As part of ICFHR 2016 (http://www.nlpr.ia.ac.cn/icfhr2016/competitions.htm), we propose a competition on Script Classification.
1. Competition: task and context
1.1 Task under evaluation
10-Semihybrida (c) IRHT-CIPL
The task to be evaluated in the present competition is the classification of 1000 images of Latin Scripts, from handwritten books dated 500 C.E. to 1600 C.E.
The organizers provide a training data-set consisting in 2000 images of well defined script types. They will evaluate the results on a 1000 additional images which are not included in the training data-set, or/and on a set of 2000 images of mixed script type images.
The complete data-set is thereafter named CLaMM : classification of Latin Medieval Manuscripts
There are 12 pre-defined classes in CLaMM according to the script style.
We propose two possible tasks: task 1 named “Crisp Classification” and task 2 named “Fuzzy Classification”.
Both tasks are independent, and participants have to announce if they want to perform task 1, task 2, or tasks 1 and 2.
Task 1 is divided in two steps:
The participants will have to provide a “distance matrix” between pairs of images
The participants will have to associate a single label to each image
Task 2 is also divided in two steps
The participants will have to provide a “distance matrix” between pairs of image
The participants will have to associate a multi-weighted labeling to each image
Participants are expected to provide the executable files, capable of producing the results of steps 1 and 2 of the respective tasks according to the format that is described in section 2.
1.2 Context
Automated analysis and classification of handwritings applied to the written production of the European Middle Ages is a new challenge and a “frontier in handwriting recognition”.
Digital libraries from Cultural Heritage institutions contain literally ten-thousands of digitized manuscripts of the European Middle Ages. Some examples:
The overwhelming majority of manuscripts in there are written in Latin script.
In this context, there is a need for an automated “tagging” or “cataloguing” of the handwriting on the images, not only to allow for historical research (when and how which text is written), but primarily because it is a pre-requisite for handwritten text recognition (HTR) or automated indexing and data mining. To perform HTR on the digitized manuscripts, one “numerical model” is necessary to recognize the text for each script type and the identification of the script type is the first step.
This has been stated for the modern handwriting styles [1]. The medieval millennium extending from 500 C.E. to 1600 C.E. shows that the Latin script evolved and took very different forms, much more diverse than all the writing styles of the 19th to the 21st century.
1.3 Importance of the CLaMM dataset
The participants of this competition will get the only available reference data-set covering the European Middle Age and tagged as regards script types and production date.
In real-life conditions and beyond the challenges of material degradations, segmentation, etc., one of the difficulties is that there is a historical continuum in the evolution of scripts so that there are mixed types and many scripts that could pertain to two or more categories. In this regard, classification of scripts addresses the subjectivity of the human mind, so that, as in art history, all attributions remain subject to debate and discussion.
In this competition, in task 1 the training data-set and the test data-set encompass well defined script types, in order to make the evaluation possible. In task 2, the test data-set also encompasses mixed script types, which illustrates evolution of Latin scripts.
1.4 Related topics and previous work
The present competition on the Classification of Medieval Handwritings in Latin Script is related but differs from:
Segmentation and text detection on an image;
Binarization;
Image Feature Extraction;
Sorting out different scripts (Latin / Arabic / Greek / Hebrew, etc.);
Performing scribal identification within a homogenous corpus or within a particular manuscript.
The latter topic is the closest and has been dealt with by numerous competitions and publications [2]–[4].
As for the Classification of Medieval Handwritings in Latin Script specifically: the first attempt at automating the classification of medieval Latin scripts was made by the Graphem research project (Grapheme based Retrieval and Analysis for PalaeograpHic Expertise of medieval Manuscripts) funded by the French National Research Agency (ANR-07-MDCO-006, 2007-2011). The results are published in [5], [6].
Further research has been conducted on a theoretical level by one of the organizers and several teams in Computer Science[7]–[15]. Nevertheless none of the teams had access to the labelled data-set and the latter has not been made available anywhere.
2 Data
2.1 Image data-set
Both training and test data-sets consists of grey-level images in TIFF format at 300 dpi, picturing a 100 x 150 mm part of a manuscript.
The training set consists of 2000 images. The test set consists of 1000 images for task 1, and 2000 images for task 2.
The list of classes is provided in a CSV file with 2 columns: “FILENAME,SCRIPT_TYPE”.
Additional information
The image collection used for the competition is mainly based on the collection of 9800 images from the French catalogues of dated and datable manuscripts[16]–[24], increased with the on-line documentation from the BVMM (http://bvmm.irht.cnrs.fr/) and Gallica (http://gallica.bnf.fr/) in order to build classes of the same size.
2.2 Classes
2.2.1 Description
The images of the training set are tagged according to 12 labels. The division of scripts is based on morphological differences and allographs, as defined in standard works on Latin scripts [25], [26].
The following script types are described:
Uncial:
Mostly capital script
Almost no ascender or descender (d, F, h, p, q overlap only minimally)
Reduced A; d with shaft sloping to the left; rounded, often opene/Eand M;
Half-Uncial:
Minuscule script (ascenders and descenders clearly between the lines)
mainly open letter a; vertical d,3 or z-shaped letter g; minuscule form of m (three minims); both N and n may be used; mostly long s (ſ = U+017F); t with loop on the left;
The corpus encompasses more or less cursive types of half-uncial scripts
Caroline:
Minuscule script (ascenders and descenders clearly between the lines)
uncial roundeda, half-uncial d, g with a small round eye; f, i, r and long s may have (short) descenders, flat-topped t;
Praegothica:
vertical uncial a; half-uncial d and uncial d; f and long s stand on the line; long s and round s may be used simultaneously
script based on Caroline type, characterized by its lateral compression (narrower letters and fusions) and regularization of strokes, esp. equalizing tendency in the treatment of feet.
Textualis:
two-compartment a; f and long s on the line; loopless ascenders (b, h, k, l);
Southern Textualis (Rotunda):
two-compartment a; f and long s on the line; loopless ascenders (b, h, k, l)
This script is the Mediterranean forms of Textualis. It is characterized by the roundness of its bows, visible especially in b, c, d, e, h, o, p, q and round r
Cursiva:
single-compartment a; f and long s below the line; loops on ascenders (b, h, k, l);
Hybrida:
single-compartment a; f and long s below the line; loopless ascenders (b, h, k, l);
Semitextualis: Textualis (cf. supra) with single-compartment a
Semihybrida: Hybrida with irregularly loopless ascenders (b, h, k, l);
Humanistic: Imitated from Caroline scripts, with dotted i
Humanistic Cursive: Humanistic script with cursiva forms and ‘italic’ slant
a description of the required environment, resources and the expected processing time for 1000 images.
3.1.2 Input/Output
The executable file should:
read the images from a folder
produce
a “ symmetrical distance matrix” of the images present in the folder (for task 1 as well as for task 2). The sum of all entries of this matrix will be equal to 1.0.
a CSV file with 2 columns: “FILENAME, SCRIPT_TYPE ” for task 1 (SCRIPT_TYPE, an integer between 1 and 12, indicating the belonging class).
a CSV file with 13 columns: FILENAME,SCRIPT_TYPE1, …., SCRIPT_TYPE12” for task 2 (SCRIPT_TYPE1, …., SCRIPT_TYPE12 are real values, and each row has a sum of its values equal to 1.0). This information will be named Belonging Matrix in the following sections.
Nota: Participants are allowed to submit several independent proposals
3.2 Evaluation
Based on the test data-set, the evaluation will be given as follow:
Accuracy per script type
Global accuracy for fuzzy results
Normalized distance matrix analysis
Processing time
For each task, two rankings will be done. The first one will be based on the average global accuracy, the second based on the symmetrical distance matrix.
3.2.1 Task1
The “accuracy per script type” is given according to the ground truth, which has one label for each script image in the evaluation data set. The ranking will be based on the average accuracy.
As far as the distance matrix is concerned, the evaluation will be done on the average intraclasse distance that will yield to the second ranking.
3.2.2 Task 2
The “global accuracy for fuzzy results” will be evaluated as follow:
The ground truth indicates one or two labels for each script image, from the Belonging Matrix, only the two highest membership degrees will define SCRIPT_TYPE1 and SCRIPT_TYPE2.
Scores will be attributed as follow:
4 points if SCRIPT_TYPE1 AND SCRIPT_TYPE2 match the labels given to the image in the ground truth.
2 points if SCRIPT_TYPE1 matches one of the labels given to the image in the ground truth, but not SCRIPT_TYPE2.
1 point if SCRIPT_TYPE2 matches one label given to the image in the ground truth, but not SCRIPT_TYPE1.
(-2) points if SCRIPT_TYPE1 AND SCRIPT_TYPE2 do not match any of the labels given to the image in the ground truth.
The ranking will be based on the average accuracy.
As far as the distance matrix is concerned, for each image, according to the ground truth, we consider the one or two classes with highest membership degree. Then the sum of distances to the images of the same ground truth classes will be computed and averaged all over the test base. The ranking will be done with respect to this global value.
3.3 Additional information
The distance matrix will be used to further analyze the results. Some classes are acknowledged to be closer to one another for historical and phylogenetic reasons. The building of the data-set and the discretization of classes make the accuracy rate a sufficient measure. It is however relevant for future work (e.g. HTR) which classes are intermingled and which may be clearly separated.
4 Registration and access to data
To register in this contest send an e-mail to dominique_DOT_stutzmann_AT_irht_DOT_cnrs_DOT_fr and CC: to m_DOT_helias_AT_irht_DOT_cnrs_DOT_fr with the subject ICFHR 2016 CLaMM competition registration.
In the message you must provide the following data:
Institution
Group name and acronym
Participants and e-mail
Contact person
Registration for task 1 OR/AND task 2
5 Schedule
22 February 2016: Competitions published on ICFHR2016 website and open to participants.
15 March 2016: Training data-set available. Participants have to announce their participation by emailing the organizers and will receive login/password to download the training data set.
Nota bene: Participants are welcome, even after March 15th, but the following deadline will remain unchanged!
21 May 2016: Delivery of executable files with one-page description of method
<!– update –>
Deadline extended to 27 May 2016
01 July 2016: Deadline for submission for review of full papers describing the competitions. Papers must be sent directly to the Competitions Chairs.
01 October 2016: CLaMM data set released (metadata + images) on the website of the Institut de Recherche et d’Histoire des Textes (http://www.irht.cnrs.fr) and will be maintained by the institution.
Full professor in computer science at INSA de Lyon (Engineer school). Board member of GRCE (since 2000).
6.3 Nicole Vincent (nicole [dot] vincent [at] mi [dot] parisdescartes [dot] fr)
Full professor at Paris Descartes University, France.
Member of advisory committees of conferences: Cifed 12, 14, 16, EGC11, 12, 13 ; Member of the Program Committees of conferences: Cifed 08,10, ICFHR 12, 14, 16, ICDAR 13, 15 ; Co-Chair of the Program committee of EGC 05 ; Chair of the organizing committee of EGC05; Member of the editorial board of journal Pattern Recognition
[1] R. Niels and L. Vuurpijl, “Generating Copybooks from Consistent Handwriting Styles,” in Ninth International Conference on Document Analysis and Recognition, 2007. ICDAR 2007, 2007, vol. 2, pp. 1009–1013.
[2] L. R. B. Schomaker, K. Franke, and M. L. Bulacu, “Using codebooks of fragmented connected-component contours in forensic and historic writer identification,” Pattern Recognition Letters, vol. 28, no. 6, pp. 719–727, 2007.
[3] A. A. Brink, J. Smit, M. L. Bulacu, and L. R. B. Schomaker, “Writer identification using directional ink-trace width measurements,” Pattern Recognition, vol. 45, no. 1, pp. 162–171, 2012.
[4] S. He, M. Wiering, and L. R. B. Schomaker, “Junction detection in handwritten documents and its application to writer identification,” Pattern Recognition, vol. 48, pp. 4036–4048, 2015.
[5] D. Muzerelle and M. Gurrado, Eds., Analyse d’image et paléographie systématique : travaux du programme “Graphem” : communications présentées au colloque international “Paléographie fondamentale, paléographie expérimentale : l’écriture entre histoire et science” (Institut de recherche et d’histoire des textes (CNRS), Paris, 14-15 avril 2011). Paris: Association Gazette du livre médiéval, 2011.
[6] D. Stutzmann and M. Gurrado, “Mesure et histoire des écritures médiévales,” in Mesure et histoire médiévale, Actes du XLIIIe Congrès de la SHMESP, Paris: Publications de la Sorbonne, 2013, pp. 153–166.
[7] N. Vincent, A. Seropian, and G. Stamon, “Synthesis for handwriting analysis,” Pattern Recognition Letters, vol. 26, no. 3, pp. 267–275, 2005.
[8] G. Joutel, V. Eglin, and H. Emptoz, “Generic scale-space process for handwriting documents analysis,” in 19th International Conference on Pattern Recognition, 2008. ICPR 2008, 2008, pp. 1–4.
[9] I. Siddiqi, F. Cloppet, and N. Vincent, “Contour Based Features for the Classification of Ancient Manuscripts,” presented at the 14th Conference of the International Graphonolics Society, (IGS), Dijon, 2009.
[10] G. Joutel, V. Eglin, and H. Emptoz, “Generic Scale-Space Architecture for Handwriting Documents Analysis, chapter 15,” in Pattern Recognition Recent Advances, A. Herout, Ed. InTech, 2010, pp. 293–312.
[11] F. Cloppet, H. Daher, V. Églin, H. Emptoz, M. Exbrayat, G. Joutel, F. Lebourgeois, L. Martin, I. Moalla, I. Siddiqi, and N. Vincent, “New Tools for Exploring, Analysing and Categorising Medieval Scripts,” Digital Medievalist, no. 7, 2011.
[12] H. Daher, V. Églin, S. Brès, and N. Vincent, “Étude de la dynamique des écritures médiévales. Analyse et classification des formes écrites,” Gazette du livre médiéval, vol. 56–57, pp. 21–41, 2011.
[13] I. Siddiqi, F. Cloppet, and N. Vincent, “Writing property descriptors. A proposal for typological groupings,” Gazette du livre médiéval, vol. 56–57, pp. 42–57, 2011.
[14] V. Eglin, D. Gaceb, H. Daher, S. Bres, and N. Vincent, “Outils d’analyse de la dynamique des écritures médiévales pour l’aide à l’expertise paléographique,” Document Numérique, vol. 41, no. 1, pp. 81–104, 2011.
[15] D. Stutzmann, “Clustering of medieval scripts through computer image analysis: towards an evaluation protocol,” Digital Medievalist, vol. 10, 2015.
[16] C. Samaran, R. Marichal, M.-C. Garand, and J. Metman, Catalogue des manuscrits en écriture latine: portant des indications de date, de lieu ou de copiste, Tome I: Musée Condé et bibliothèques parisiennes, 2 vols. Paris: Centre national de la recherche scientifique, 1959.
[17] C. Samaran, R. Marichal, M.-C. Garand, and M. Mabille, Catalogue des manuscrits en écriture latine: portant des indications de date, de lieu ou de copiste, Tome II: Bibliothèque Nationale, fonds latin Nos.1 à 8000, 2 vols. Paris: CNRS, 1962.
[18] C. Samaran, R. Marichal, M.-C. Garand, and M. Mabille, Catalogue des manuscrits en écriture latine: portant des indications de date, de lieu ou de copiste, Tome V: Est de la France, 2 vols. Paris: CNRS, 1964.
[19] M.-C. Garand and M. Mabille, Catalogue des manuscrits en écriture latine portant des indications de date, de lieu ou de copiste. Tome VI, Bourgogne, centre, sud-est et sud-ouest de la France. Paris: CNRS, 1968.
[20] C. Samaran, R. Marichal, and M. Mabille, Catalogue des manuscrits en écriture latine: portant des indications de date, de lieu ou de copiste, Tome III: Bibliothèque Nationale, fonds latin Nos. 8001 à 18613, 2 vols. Paris: CNRS, 1974.
[21] C. Samaran, R. Marichal, M.-C. Garand, M. Mabille, and D. Muzerelle, Catalogue des manuscrits en écriture latine: portant des indications de date, de lieu ou de copiste, 4: Bibliothèque nationale Fonds latin (Supplément), nouvelles acquisitions latines, petits fonds divers, 2 vols. Paris: Centre national de la recherche scientifique, 1981.
[22] C. Samaran and R. Marichal, Catalogue des manuscrits en écriture latine: portant des indications de date, de lieu ou de copiste, Tome VII: Ouest de la France et pays de Loire, 2 vols. Paris: CNRS, 1985.
[23] D. Muzerelle, Manuscrits datés des bibliothèques de France. 1. Cambrai. Paris: CNRS Editions, 2000.
[24] D. Muzerelle, Manuscrits datés des bibliothèques de France, 2: Laon, Saint-Quentin, Soissons, 1 vols. Paris: CNRS éd, 2013.
[25] B. Bischoff, Paläographie des römischen Altertums und des abendländischen Mittelalters, 4., durchgesehene und erw. Aufl. Berlin: E. Schmidt, 2009.
[26] A. Derolez, The Palaeography of Gothic Manuscript Books from the Twelfth to the Early Sixteenth Century. Cambridge: Cambridge University Press, 2003.
Écritures médiévales et outils numériques. Carnet du projet ECMEN (Ecriture médiévale et outils numériques), successeur du projet ORIFLAMMS (Ontology Research, Image Features, Letterform Analysis on Multilingual Medieval Scripts) et
