1. Performance des modèles (précision, rappel, F1-score).

2. Robustesse face aux variations (qualité d’image, angles, luminosité).

3. Efficacité de l’OCR sur des documents multilingues.

4. Qualité des stratégies mises en place pour tirer partie des données
---
## Livrables
Pour chacune des tâches, les éléments suivants sont attendus (sous la forme d'un fichier qui suit cette nomenclature : **Tache_X_Nom_Prenom_JJMM.zip**) pour considérer que la soumission est valide si vous soumettez les fichiers ci-dessous via le formulaire suivant : https://forms.gle/FSDdfbGcYrDDZmQF7.
 
La liste des fichiers à soumettre est :

   - Notebook complet qui détaille tout ce qui a été mis en œuvre pour arriver au résultat final :

      - cellules relatives à la lecture des images
      - les datasets et dataloaders au sens de pytorch (si ce framework est utilisé)
      - le cas échéant les cellules pour l'entrainement du modèle
      - les cellules pour l'inférence des modèles sur les données de test
      - le choix et le calcul des métriques

   - Un fichier .csv ou .json - qui contient le résultat de l'inférence sur la base de test - en fonction du type de dataset et dont la structure doit correspondre à celles des fichiers labels données pour la base de train.

   - Les poids (*weights*) du ou des modèles entrainés