Maloba

Corpus Documents · Version historique

qwen-vl-lingala-dataset-augmented

Jeu de documents augmenté par rotation, bruit et variations de contraste.

Voir sur Hugging Face (nouvelle fenêtre)Tous les corpus

Construction

  • Jeu augmenté à partir des régions annotées du fonds SIL Congo : rotations, bruit et variations de contraste appliqués aux images.

Le corpus en graphique

Volumétrie comparée des corpusLes quatre corpus de référence du projet, à la même échelle. Le corpus audio domine en nombre d'éléments ; la traduction, la plus petite, est celle qui a le plus fait progresser son modèle.
05 06710 13415 20120 268Audio — segments18 767Textes — exemples annotés4 818Documents — exemples467Traduction — paires humaines399

Source : Livrable 4, chiffres arrêtés au 2026-09-30

Voir les données du graphique
CorpusÉléments
Audio — segments18 767
Textes — exemples annotés4 818
Documents — exemples467
Traduction — paires humaines399

Limites

  • L'augmentation multiplie les exemples sans ajouter d'information : elle n'a pas amélioré le modèle retenu.
  • Version historique ; le jeu de référence est dataset-qwen-vl-lingala-qlora-vf.

Citation

Congo Digital Services (2026). qwen-vl-lingala-dataset-augmented. Hugging Face. Licence NOODL-1.0.