Corpus de prensa histórica con el layout marcado en PAGE-XML

El dataset incluye 92 páginas de diez cabeceras de prensa histórica de Filipinas, República Dominicana, Cuba y Puerto Rico en las cuales se ha marcado la estructura (layout) en columnas de la revista con la intención de entrenar un sistema de marcado de layout en prensa histórica previo al OCR. Cabe especificar que se han marcado los bloques, no las líneas ni el texto. Los bloques están marcados distinguiendo entre titulares, imágenes, tablas, párrafo, encabezado de sección, créditos y número de página según el documento adjunto llamado "Instrucciones tarea Transkribus"