Update README.md

README.md

@@ -1,3 +1,130 @@
+# **Fiche Technique : Modèle YOLOv26n,x (Ultralytics)**
+
+*Version : 1.0 | Date : 22/05/2026*
+
 ---
-license: cc0-1.0
+
+## ** Informations générales**
+
+Modèles **YOLOv8** spécialisés pour la **segmentation de régions de texte (TextRegion) et de lignes de texte (TextLine)** dans des documents.
+
+**Cas d'usage** : OCR, transcription automatique, analyse de documents patrimoniaux.
+
+| **Champ**               | **SegN**                          | **SegX**                          
+|-------------------------|-----------------------------------|-----------------------------------
+| **Nom du modèle**       | `Yolo-Seg-TextRegion-TextLine-Typed-SegN.pt` | `Yolo-Seg-TextRegion-TextLine-Typed-SegX.pt` 
+| **Librairie**           | Ultralytics YOLOv8.4.49           | Ultralytics YOLOv8.4.49           
+| **Type**                | Segmentation d’instances         | Segmentation d’instances         
+| **Architecture**        | YOLOv8n (nano)                    | YOLOv8x (extra-large)             
+| **Taille des poids**    | ~3.2 Mo                           | ~168 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) | 73.62%     | 76.97%    |
+| mAP50 (val)    | 94.37%     | 95.30%    |
+| Précision (P)  | 0.930      | 0.95383   |
+| Rappel (R)     | 0.912      | 0.93317   |
+| F1-Score       | 0.921 | 0.943 |
+---
+
+
+## ** Dataset**
+
+### ** Composition**
+
+- **Taille totale** : **4 956 images** (4 460 train / 496 val).
+- **Sources** : **16 datasets publics** (voir [liste complète](#-sources-des-datasets)).
+- **Langues couvertes** : Français, Anglais, Espagnol, Italien, Allemand, Latin, Corse, etc.
+- **Périodes** : XVIe–XXe siècles (majorité : XVIIIe–XIXe).
+- **Format d’annotation** : YOLO (fichiers `.txt` avec masques de segmentation).
+- **Répartition des classes** :
+  - TextRegion : 9% (23195)
+  - TextLine : 91% (234634)
+
+---
+
+### ** Sources des Datasets**
+
+[Ehri-dataset](https://github.com/FloChiff/ehri-dataset)
+[CORDEL-CA-PRINT-19](https://github.com/FoNDUE-HTR/CORDEL-CA-PRINT-19/)
+[CORDEL-ES-PRINT-19](https://github.com/FoNDUE-HTR/CORDEL-ES-PRINT-19)
+[FONDUE-EN-PRINT-20](https://github.com/FoNDUE-HTR/FONDUE-EN-PRINT-20)
+[FONDUE-ES-PRINT-19](https://github.com/FoNDUE-HTR/FONDUE-ES-PRINT-19)
+[FONDUE-FR-PRINT-20](https://github.com/FoNDUE-HTR/FONDUE-FR-PRINT-20)
+[FONDUE-IT-PRINT-20](https://github.com/FoNDUE-HTR/FONDUE-IT-PRINT-20)
+[FONDUE-MLT-ART](https://github.com/FoNDUE-HTR/FONDUE-MLT-ART)
+[FONDUE-MLT-CAT](https://github.com/FoNDUE-HTR/FONDUE-MLT-CAT/)
+[Kat_57-SE-MSS-20](https://github.com/FoNDUE-HTR/Kat_57-SE-MSS-20)
+[HTR-imprime-18e-siecle](https://github.com/Gallicorpora/HTR-imprime-18e-siecle)
+[Cremma-16-17-print](https://github.com/HTR-United/cremma-16-17-print)
+[Dahncorpus](https://github.com/HTR-United/dahncorpus)
+[Tapuscorpus](https://github.com/HTR-United/tapuscorpus)
+[NuBIS-OCR](https://github.com/ksefil/NuBIS-OCR)
+[HN2021-OCR-Poesie-Corse](https://github.com/PSL-Chartes-HTR-Students/HN2021-OCR-Poesie-Corse)
+[TNAH-2021-ArgusDesBrevets](https://github.com/PSL-Chartes-HTR-Students/TNAH-2021-ArgusDesBrevets)
+
+---
+
+## **📈 Courbes et visualisations**
+
+- **Courbe PR (Precision-Recall)** :  
+
+Courbe PR pour le modèle SegN
+
+![Courbe PR SegN](Yolo-Seg-TextRegion-TextLine-Typed-SegN/BoxPR_curve.png)
+
+Courbe PR pour le modèle SegX
+
+![Courbe PR SegX](Yolo-Seg-TextRegion-TextLine-Typed-SegX/BoxPR_curve.png)
+
+- **Matrice de confusion** :  
+
+Confusion Matrix pour le modèle SegN
+
+![Confusion Matrix SegN](Yolo-Seg-TextRegion-TextLine-Typed-SegN/confusion_matrix_normalized.png)
+
+Confusion Matrix pour le modèle SegX
+
+![Confusion Matrix SegN](Yolo-Seg-TextRegion-TextLine-Typed-SegX/confusion_matrix_normalized.png)
+
+
+- **Exemple de détection** :  
+
+Exemple sur la thèse **Relief, érosion différentielle et morphogenèse dans un bourrelet montagneux de haute latitude : Lofoten-vesteralen et Sogn-Jotun (Norvège)** de Jean-Pierre Peulvast disponible sur le site de la [Nubis](https://nubis.bis-sorbonne.fr/ark:/15733/nt07?view=full)
+
+![Exemple](ark_15733_nt07_BIS_00_01362_V03_0007.jpg)
+
+---
+
+## **🚀 **Utilisation****
+
+### ** Installation**
+
+```bash
+pip install ultralytics==8.4.49 torch torchvision
+```
+
+### ** Inférence**
+
+```python
+from ultralytics import YOLO
+
+# Charger le modèle
+model = YOLO("Yolo-Seg-TextRegion-TextLine-Typed-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