color:#0098CD;mso-fareast-language:EN-US">Optimización de Hiperparámetros OCR
con Ray Tune para Documentos Académicos en </span></a><spanclass="GramE"><spanstyle="mso-bookmark:_Hlk216726907"><spanlang="ES"style="font-size:26.0pt;
<pclass="Ttulondices"><spanlang="ES">Resumen </span></p><pclass="MsoNormal"><spanlang="ES">El presente Trabajo Fin de Máster aborda la optimización de sistemas de Reconocimiento Óptico de Caracteres (OCR) basados en inteligencia artificial para documentos en español, específicamente en un entorno con recursos computacionales limitados donde el fine-tuning de modelos no es viable. El objetivo principal es identificar la configuración óptima de hiperparámetros que maximice la precisión del reconocimiento de texto sin requerir entrenamiento adicional de los modelos.
Se realizó un estudio comparativo de tres soluciones OCR de código abierto: EasyOCR, PaddleOCR (PP-OCRv5) y DocTR, evaluando su rendimiento mediante las métricas estándar CER (Character Error Rate) y WER (Word Error Rate) sobre un corpus de documentos académicos en español. Tras identificar PaddleOCR como la solución más prometedora, se procedió a una optimización sistemática de hiperparámetros utilizando Ray Tune con el algoritmo de búsqueda Optuna, ejecutando 64 configuraciones diferentes.
Los resultados demuestran que la optimización de hiperparámetros logró una mejora significativa del rendimiento: el CER se redujo de 7.78% a 1.49% (mejora del 80.9% en reducción de errores), alcanzando una precisión de caracteres del 98.51%. El hallazgo más relevante fue que el parámetro `textline_orientation` (clasificación de orientación de línea de texto) tiene un impacto crítico, reduciendo el CER en un 69.7% cuando está habilitado. Adicionalmente, se identificó que el umbral de detección de píxeles (`text_det_thresh`) presenta una correlación negativa fuerte (-0.52) con el error, siendo el parámetro continuo más influyente.
Este trabajo demuestra que es posible obtener mejoras sustanciales en sistemas OCR mediante optimización de hiperparámetros, ofreciendo una alternativa práctica al fine-tuning cuando los recursos computacionales son limitados.</span></p>
<pclass="MsoNormal"><b><spanlang="ES">Palabras clave:</span></b><spanlang="ES"> OCR, Reconocimiento Óptico de Caracteres, PaddleOCR, Optimización de Hiperparámetros, Ray Tune, Procesamiento de Documentos, Inteligencia Artificial</span></p>
<pclass="Ttulondices"><spanstyle="mso-bookmark:_Toc437509152"><spanclass="SpellE"><spanlang="ES">Abstract</span></span></span></p><pclass="MsoNormal"><spanlang="EN-US">This Master's Thesis addresses the optimization of Artificial Intelligence-based Optical Character Recognition (OCR) systems for Spanish documents, specifically in a resource-constrained environment where model fine-tuning is not feasible. The main objective is to identify the optimal hyperparameter configuration that maximizes text recognition accuracy without requiring additional model training.
A comparative study of three open-source OCR solutions was conducted: EasyOCR, PaddleOCR (PP-OCRv5), and DocTR, evaluating their performance using standard CER (Character Error Rate) and WER (Word Error Rate) metrics on a corpus of academic documents in Spanish. After identifying PaddleOCR as the most promising solution, systematic hyperparameter optimization was performed using Ray Tune with the Optuna search algorithm, executing 64 different configurations.
Results demonstrate that hyperparameter optimization achieved significant performance improvement: CER was reduced from 7.78% to 1.49% (80.9% error reduction), achieving 98.51% character accuracy. The most relevant finding was that the `textline_orientation` parameter (text line orientation classification) has a critical impact, reducing CER by 69.7% when enabled. Additionally, the pixel detection threshold (`text_det_thresh`) was found to have a strong negative correlation (-0.52) with error, being the most influential continuous parameter.
This work demonstrates that substantial improvements in OCR systems can be obtained through hyperparameter optimization, offering a practical alternative to fine-tuning when computational resources are limited.</span></p>
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619806"><spanstyle="mso-no-proof:yes">1.1.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619807"><spanstyle="mso-no-proof:yes">1.2.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619808"><spanstyle="mso-no-proof:yes">1.3.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc1"style="tab-stops:22.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619809"><spanstyle="mso-no-proof:yes">2.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619810"><spanstyle="mso-no-proof:yes">2.1.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619811"><spanstyle="mso-no-proof:yes">2.2.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619812"><spanstyle="mso-no-proof:yes">2.3.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc1"style="tab-stops:22.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619813"><spanstyle="mso-no-proof:yes">3.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619814"><spanstyle="mso-no-proof:yes">3.1.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619815"><spanstyle="mso-no-proof:yes">3.2.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619816"><spanstyle="mso-no-proof:yes">3.3.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc1"style="tab-stops:22.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619817"><spanstyle='font-family:"CalibriLight",sans-serif;
<pclass="MsoToc1"style="tab-stops:22.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619818"><spanstyle="mso-no-proof:yes">5.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619819"><spanstyle="mso-no-proof:yes">5.1.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc2"style="tab-stops:48.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619820"><spanstyle="mso-no-proof:yes">5.2.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
<pclass="MsoToc1"style="tab-stops:60.0pt right dotted 453.05pt"><spanlang="ES"><ahref="#_Toc160619822"><spanstyle="mso-no-proof:yes">Anexo A.</span><spanstyle='mso-fareast-font-family:"TimesNewRoman";mso-fareast-theme-font:minor-fareast;
mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
"Times New Roman";mso-fareast-language:ES'><spanstyle='mso-element:field-end'></span></span><![endif]--><spanlang="ES"><brclear="all"style="page-break-before:always"/>
mso-bidi-font-family:"Calibri Light";mso-bidi-theme-font:major-latin'><spanstyle="mso-list:Ignore">1.<spanstyle='font:7.0pt "Times New Roman"'>
</span></span></span><?endif?><spanlang="ES"style="text-transform:none">Introducción</span></span></span></span></a><spanstyle="mso-bookmark:_Toc14106979"><spanstyle="mso-bookmark:_Toc437515557"><spanlang="ES"style="text-transform:none"></span></span></span></h1><pclass="MsoNormal"><spanlang="ES">Este capítulo presenta la motivación del trabajo, identificando el problema a resolver y justificando su relevancia. Se plantea la pregunta de investigación central y se describe la estructura del documento.</span></p>
<pclass="MsoNormal"><spanlang="ES">El Reconocimiento Óptico de Caracteres (OCR) es una tecnología fundamental en la era de la digitalización documental. Su capacidad para convertir imágenes de texto en datos editables y procesables ha transformado sectores como la administración pública, el ámbito legal, la banca y la educación. Sin embargo, a pesar de los avances significativos impulsados por el aprendizaje profundo, la implementación práctica de sistemas OCR de alta precisión sigue presentando desafíos considerables.</span></p>
<pclass="MsoNormal"><spanlang="ES">El procesamiento de documentos en español presenta particularidades que complican el reconocimiento automático de texto. Los caracteres especiales (ñ, acentos), las variaciones tipográficas en documentos académicos y administrativos, y la presencia de elementos gráficos como tablas, encabezados y marcas de agua generan errores que pueden propagarse en aplicaciones downstream como la extracción de entidades nombradas o el análisis semántico.</span></p>
<pclass="MsoNormal"><spanlang="ES">Los modelos OCR basados en redes neuronales profundas, como los empleados en PaddleOCR, EasyOCR o DocTR, ofrecen un rendimiento impresionante en benchmarks estándar. No obstante, su adaptación a dominios específicos típicamente requiere fine-tuning con datos etiquetados del dominio objetivo y recursos computacionales significativos (GPUs de alta capacidad). Esta barrera técnica y económica excluye a muchos investigadores y organizaciones de beneficiarse plenamente de estas tecnologías.</span></p>
<pclass="MsoNormal"><spanlang="ES">La presente investigación surge de una necesidad práctica: optimizar un sistema OCR para documentos académicos en español sin disponer de recursos GPU para realizar fine-tuning. Esta restricción, lejos de ser una limitación excepcional, representa la realidad de muchos entornos académicos y empresariales donde el acceso a infraestructura de cómputo avanzada es limitado.</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">1.2. Planteamiento del trabajo</span></h2>
<pclass="MsoNormal"><spanlang="ES">El problema central que aborda este trabajo puede formularse de la siguiente manera:</span></p>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES">¿Es posible mejorar significativamente el rendimiento de modelos OCR preentrenados para documentos en español mediante la optimización sistemática de hiperparámetros, sin requerir fine-tuning ni recursos GPU?</span></i></p>
<pclass="MsoNormal"><spanlang="ES">Este planteamiento se descompone en las siguientes cuestiones específicas:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Selección de modelo base</b>: ¿Cuál de las soluciones OCR de código abierto disponibles (EasyOCR, PaddleOCR, DocTR) ofrece el mejor rendimiento base para documentos en español?</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Impacto de hiperparámetros</b>: ¿Qué hiperparámetros del pipeline OCR tienen mayor influencia en las métricas de error (CER, WER)?</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Optimización automatizada</b>: ¿Puede un proceso de búsqueda automatizada de hiperparámetros (mediante Ray Tune/Optuna) encontrar configuraciones que superen significativamente los valores por defecto?</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Viabilidad práctica</b>: ¿Son los tiempos de inferencia y los recursos requeridos compatibles con un despliegue en entornos con recursos limitados?</span></p>
<pclass="MsoNormal"><spanlang="ES">La relevancia de este problema radica en su aplicabilidad inmediata. Una metodología reproducible para optimizar OCR sin fine-tuning beneficiaría a:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Investigadores que procesan grandes volúmenes de documentos académicos</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Instituciones educativas que digitalizan archivos históricos</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Pequeñas y medianas empresas que automatizan flujos documentales</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Desarrolladores que integran OCR en aplicaciones con restricciones de recursos</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">1.3. Estructura del trabajo</span></h2>
<pclass="MsoNormal"><spanlang="ES">El presente documento se organiza en los siguientes capítulos:</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Capítulo 2 - Contexto y Estado del Arte</b>: Se presenta una revisión de las tecnologías OCR basadas en aprendizaje profundo, incluyendo las arquitecturas de detección y reconocimiento de texto, así como los trabajos previos en optimización de estos sistemas.</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Capítulo 3 - Objetivos y Metodología</b>: Se definen los objetivos SMART del trabajo y se describe la metodología experimental seguida, incluyendo la preparación del dataset, las métricas de evaluación y el proceso de optimización con Ray Tune.</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Capítulo 4 - Desarrollo Específico de la Contribución</b>: Este capítulo presenta el desarrollo completo del estudio comparativo y la optimización de hiperparámetros de sistemas OCR, estructurado en tres secciones: (4.1) planteamiento de la comparativa con la evaluación de EasyOCR, PaddleOCR y DocTR; (4.2) desarrollo de la comparativa con la optimización de hiperparámetros mediante Ray Tune; y (4.3) discusión y análisis de resultados.</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Capítulo 5 - Conclusiones y Trabajo Futuro</b>: Se resumen las contribuciones del trabajo, se discute el grado de cumplimiento de los objetivos y se proponen líneas de trabajo futuro.</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Anexos</b>: Se incluye el enlace al repositorio de código fuente y datos, así como tablas completas de resultados experimentales.</span></p><h1style="mso-list:l22 level1 lfo18"><spanstyle="mso-bookmark:_Toc14106979"><spanstyle="mso-bookmark:_Toc437515557"><aname="_Toc147741195"></a><aname="_Toc160619809"><spanstyle="mso-bookmark:_Toc147741195"><?if !supportLists?><spanlang="ES"style='mso-fareast-font-family:"CalibriLight";mso-fareast-theme-font:
y estado del arte</span></span></a></span></span><spanstyle="mso-bookmark:
_Toc14106979"><spanstyle="mso-bookmark:_Toc437515557"><spanlang="ES"style="text-transform:none"><o:p></o:p></span></span></span></h1><pclass="MsoNormal"><spanlang="ES">Este capítulo presenta el marco teórico y tecnológico en el que se desarrolla el presente trabajo. Se revisan los fundamentos del Reconocimiento Óptico de Caracteres (OCR), la evolución de las técnicas basadas en aprendizaje profundo, las principales soluciones de código abierto disponibles y los trabajos previos relacionados con la optimización de sistemas OCR.</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">2.1. Contexto del problema</span></h2>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">Definición y Evolución Histórica del OCR</span></h3>
<pclass="MsoNormal"><spanlang="ES">El Reconocimiento Óptico de Caracteres (OCR) es el proceso de conversión de imágenes de texto manuscrito, mecanografiado o impreso en texto codificado digitalmente. La tecnología OCR ha evolucionado significativamente desde sus orígenes en la década de 1950:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Primera generación (1950-1970)</b>: Sistemas basados en plantillas que requerían fuentes específicas.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Segunda generación (1970-1990)</b>: Introducción de técnicas de extracción de características y clasificadores estadísticos.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Tercera generación (1990-2010)</b>: Modelos basados en Redes Neuronales Artificiales y Modelos Ocultos de Markov (HMM).</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Cuarta generación (2010-presente)</b>: Arquitecturas de aprendizaje profundo que dominan el estado del arte.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">Pipeline Moderno de OCR</span></h3>
<pclass="MsoNormal"><spanlang="ES">Los sistemas OCR modernos siguen típicamente un pipeline de dos etapas:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Detección de texto (Text Detection)</b>: Localización de regiones que contienen texto en la imagen. Las arquitecturas más utilizadas incluyen:</span></p>
<pclass="MsoNormal"><spanlang="ES"> - EAST (Efficient and Accurate Scene Text Detector) - CRAFT (Character Region Awareness for Text Detection) - DB (Differentiable Binarization)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Reconocimiento de texto (Text Recognition)</b>: Transcripción del contenido textual de las regiones detectadas. Las arquitecturas predominantes son:</span></p>
<pclass="MsoNormal"><spanlang="ES"> - CRNN (Convolutional Recurrent Neural Network) con CTC loss - Arquitecturas encoder-decoder con atención - Transformers (ViTSTR, TrOCR)</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">Métricas de Evaluación</span></h3>
<pclass="MsoNormal"><spanlang="ES">Las métricas estándar para evaluar sistemas OCR son:</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Character Error Rate (CER)</b>: Se calcula como CER = (S + D + I) / N, donde S = sustituciones, D = eliminaciones, I = inserciones, N = caracteres de referencia.</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Word Error Rate (WER)</b>: Se calcula de forma análoga pero a nivel de palabras en lugar de caracteres.</span></p>
<pclass="MsoNormal"><spanlang="ES">Un CER del 1% significa que 1 de cada 100 caracteres es erróneo. Para aplicaciones críticas como extracción de datos financieros o médicos, se requieren CER inferiores al 1%.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">Particularidades del OCR para el Idioma Español</span></h3>
<pclass="MsoNormal"><spanlang="ES">El español presenta características específicas que impactan el OCR:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Diacríticos</b>: Los acentos pueden confundirse con ruido o artefactos</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Longitud de palabras</b>: Palabras generalmente más largas que en inglés</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Puntuación</b>: Signos de interrogación y exclamación invertidos</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">2.2. Estado del arte</span></h2>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">Soluciones OCR de Código Abierto</span></h3>
<h4><spanlang="ES">EasyOCR</span></h4>
<pclass="MsoNormal"><spanlang="ES">EasyOCR es una biblioteca de OCR desarrollada por Jaided AI (2020) que soporta más de 80 idiomas. Sus características principales incluyen:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Fortalezas</b>: Facilidad de uso, soporte multilingüe amplio, bajo consumo de memoria</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Limitaciones</b>: Menor precisión en documentos complejos, opciones de configuración limitadas</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Caso de uso ideal</b>: Prototipado rápido y aplicaciones con restricciones de memoria</span></p>
<h4><spanlang="ES">PaddleOCR</span></h4>
<pclass="MsoNormal"><spanlang="ES">PaddleOCR es el sistema OCR desarrollado por Baidu como parte del ecosistema PaddlePaddle (2024). La versión PP-OCRv5, utilizada en este trabajo, representa el estado del arte en OCR industrial:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Fortalezas</b>: Alta precisión, pipeline altamente configurable, modelos específicos para servidor</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Limitaciones</b>: Mayor complejidad de configuración, dependencia del framework PaddlePaddle</span></p>
<h4><spanlang="ES">DocTR</span></h4>
<pclass="MsoNormal"><spanlang="ES">DocTR (Document Text Recognition) es una biblioteca desarrollada por Mindee (2021) orientada a la investigación:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Fortalezas</b>: API limpia, orientación académica, salida estructurada de alto nivel</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Limitaciones</b>: Menor rendimiento en español comparado con PaddleOCR</span></p>
<h4><spanlang="ES">Comparativa de Arquitecturas</span></h4>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 2.</b><i>Comparativa de soluciones OCR de código abierto.</i></span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">Optimización de Hiperparámetros</span></h3>
<h4><spanlang="ES">Fundamentos</span></h4>
<pclass="MsoNormal"><spanlang="ES">La optimización de hiperparámetros (HPO) busca encontrar la configuración de parámetros que maximiza (o minimiza) una métrica objetivo (Feurer & Hutter, 2019). A diferencia de los parámetros del modelo (pesos), los hiperparámetros no se aprenden durante el entrenamiento.</span></p>
<pclass="MsoNormal"><spanlang="ES">Los métodos de HPO incluyen:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Grid Search</b>: Búsqueda exhaustiva en una rejilla predefinida</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Random Search</b>: Muestreo aleatorio del espacio de búsqueda (Bergstra & Bengio, 2012)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Bayesian Optimization</b>: Modelado probabilístico de la función objetivo (Bergstra et al., 2011)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Algoritmos evolutivos</b>: Optimización inspirada en evolución biológica</span></p>
<h4><spanlang="ES">Ray Tune y Optuna</span></h4>
<pclass="MsoNormal"><spanlang="ES"><b>Ray Tune</b> es un framework de optimización de hiperparámetros escalable (Liaw et al., 2018) que permite:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Ejecución paralela de experimentos</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Early stopping de configuraciones poco prometedoras</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Integración con múltiples algoritmos de búsqueda</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Optuna</b> es una biblioteca de optimización bayesiana (Akiba et al., 2019) que implementa:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Pruning de trials no prometedores</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Visualización de resultados</span></p>
<pclass="MsoNormal"><spanlang="ES">La combinación Ray Tune + Optuna permite búsquedas eficientes en espacios de alta dimensionalidad.</span></p>
<h4><spanlang="ES">HPO en Sistemas OCR</span></h4>
<pclass="MsoNormal"><spanlang="ES">La aplicación de HPO a sistemas OCR ha sido explorada principalmente en el contexto de:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Preprocesamiento de imagen</b>: Optimización de parámetros de binarización, filtrado y escalado (Liang et al., 2005)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Arquitecturas de detección</b>: Ajuste de umbrales de confianza y NMS (Non-Maximum Suppression)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Post-procesamiento</b>: Optimización de corrección ortográfica y modelos de lenguaje</span></p>
<pclass="MsoNormal"><spanlang="ES">Sin embargo, existe un vacío en la literatura respecto a la optimización sistemática de los hiperparámetros de inferencia en pipelines OCR modernos como PaddleOCR, especialmente para idiomas diferentes del inglés y chino.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">Datasets y Benchmarks para Español</span></h3>
<pclass="MsoNormal"><spanlang="ES">Los principales recursos para evaluación de OCR en español incluyen:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>FUNSD-ES</b>: Versión en español del dataset de formularios</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>MLT (ICDAR)</b>: Multi-Language Text dataset con muestras en español</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Documentos académicos</b>: Utilizados en este trabajo (instrucciones TFE de UNIR)</span></p>
<pclass="MsoNormal"><spanlang="ES">Los trabajos previos en OCR para español se han centrado principalmente en:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span>Digitalización de archivos históricos (manuscritos coloniales)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span>Procesamiento de documentos de identidad</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">3.<spanstyle="font-size:7pt"></span>Reconocimiento de texto en escenas naturales</span></p>
<pclass="MsoNormal"><spanlang="ES">La optimización de hiperparámetros para documentos académicos en español representa una contribución original de este trabajo.</span></p>
<pclass="MsoNormal"><spanlang="ES">Este capítulo ha presentado:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span>Los fundamentos del OCR moderno y su pipeline de detección-reconocimiento</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span>Las tres principales soluciones de código abierto: EasyOCR, PaddleOCR y DocTR</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">3.<spanstyle="font-size:7pt"></span>Los métodos de optimización de hiperparámetros, con énfasis en Ray Tune y Optuna</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">4.<spanstyle="font-size:7pt"></span>Las particularidades del OCR para el idioma español</span></p>
<pclass="MsoNormal"><spanlang="ES">El estado del arte revela que, si bien existen soluciones OCR de alta calidad, su optimización para dominios específicos mediante ajuste de hiperparámetros (sin fine-tuning) ha recibido poca atención. Este trabajo contribuye a llenar ese vacío proponiendo una metodología reproducible para la optimización de PaddleOCR en documentos académicos en español.</span></p><h1style="mso-list:l22 level1 lfo18"><spanstyle="mso-bookmark:_Toc14106979"><spanstyle="mso-bookmark:_Toc437515557"><aname="_Toc147741196"></a><aname="_Toc160619813"><spanstyle="mso-bookmark:_Toc147741196"><?if !supportLists?><spanlang="ES"style='mso-fareast-font-family:"CalibriLight";mso-fareast-theme-font:
concretos y metodología de trabajo</span></span></a></span></span><spanstyle="mso-bookmark:_Toc14106979"><spanstyle="mso-bookmark:_Toc437515557"><spanlang="ES"style="text-transform:none"><o:p></o:p></span></span></span></h1><pclass="MsoNormal"><spanlang="ES">Este capítulo establece los objetivos del trabajo siguiendo la metodología SMART (Doran, 1981) y describe la metodología experimental empleada para alcanzarlos. Se define un objetivo general y cinco objetivos específicos, todos ellos medibles y verificables.</span></p>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES"><b>Optimizar el rendimiento de PaddleOCR para documentos académicos en español mediante ajuste de hiperparámetros, alcanzando un CER inferior al 2% sin requerir fine-tuning del modelo ni recursos GPU dedicados.</b></span></i></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">Justificación SMART del Objetivo General</span></h3>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 3.</b><i>Tabla de datos.</i></span></p>
<tableborder="1"cellpadding="0"cellspacing="0"class="MsoTableGrid"style="border-collapse:collapse;border:none;mso-border-alt:solid windowtext .5pt"><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Criterio</span></b></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Cumplimiento</span></b></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><b>Específico (S)</b></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Se define claramente qué se quiere lograr: optimizar PaddleOCR mediante ajuste de hiperparámetros para documentos en español</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><b>Medible (M)</b></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Se establece una métrica cuantificable: CER < 2%</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><b>Alcanzable (A)</b></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Es viable dado que: (1) PaddleOCR permite configuración de hiperparámetros, (2) Ray Tune posibilita búsqueda automatizada, (3) No se requiere GPU</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><b>Relevante (R)</b></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">El impacto es demostrable: mejora la extracción de texto en documentos académicos sin costes adicionales de infraestructura</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><b>Temporal (T)</b></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">El plazo es un cuatrimestre, correspondiente al TFM</span></p></td></tr></table>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">OE1: Comparar soluciones OCR de código abierto</span></h3>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES"><b>Evaluar el rendimiento base de EasyOCR, PaddleOCR y DocTR en documentos académicos en español, utilizando CER y WER como métricas, para seleccionar el modelo más prometedor.</b></span></i></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">OE2: Preparar un dataset de evaluación</span></h3>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES"><b>Construir un dataset estructurado de imágenes de documentos académicos en español con su texto de referencia (ground truth) extraído del PDF original.</b></span></i></p>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES"><b>Analizar la correlación entre los hiperparámetros de PaddleOCR y las métricas de error para identificar los parámetros con mayor impacto en el rendimiento.</b></span></i></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">OE4: Optimizar hiperparámetros con Ray Tune</span></h3>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES"><b>Ejecutar una búsqueda automatizada de hiperparámetros utilizando Ray Tune con Optuna, evaluando al menos 50 configuraciones diferentes.</b></span></i></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">OE5: Validar la configuración optimizada</span></h3>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES"><b>Comparar el rendimiento de la configuración baseline versus la configuración optimizada sobre el dataset completo, documentando la mejora obtenida.</b></span></i></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">3.3. Metodología del trabajo</span></h2>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">3.3.2. Fase 1: Preparación del Dataset</span></h3>
<h4><spanlang="ES">Fuente de Datos</span></h4>
<pclass="MsoNormal"><spanlang="ES">Se utilizaron documentos PDF académicos de UNIR (Universidad Internacional de La Rioja), específicamente las instrucciones para la elaboración del TFE del Máster en Inteligencia Artificial.</span></p>
<h4><spanlang="ES">Proceso de Conversión</span></h4>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Conversión PDF a imágenes</b>:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Extracción de texto de referencia</b>:</span></p>
<pclass="MsoNormal"><spanlang="ES"> - Método: <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">page.get_text("dict")</span> de PyMuPDF - Preservación de estructura de líneas - Tratamiento de texto vertical/marginal - Normalización de espacios y saltos de línea</span></p>
<h4><spanlang="ES">Estructura del Dataset</span></h4>
<h4><spanlang="ES">Métricas de Evaluación</span></h4>
<pclass="MsoNormal"><spanlang="ES">Se utilizó la biblioteca <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">jiwer</span> para calcular:</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">3.3.5. Fase 4: Ejecución de Optimización</span></h3>
<h4><spanlang="ES">Arquitectura de Ejecución</span></h4>
<pclass="MsoNormal"><spanlang="ES">Debido a incompatibilidades entre Ray y PaddleOCR en el mismo proceso, se implementó una arquitectura basada en subprocesos:</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">3.3.6. Fase 5: Validación</span></h3>
<h4><spanlang="ES">Protocolo de Validación</span></h4>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Baseline</b>: Ejecución con configuración por defecto de PaddleOCR</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span><b>Optimizado</b>: Ejecución con mejor configuración encontrada</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">3.<spanstyle="font-size:7pt"></span><b>Comparación</b>: Evaluación sobre las 24 páginas del dataset completo</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">4.<spanstyle="font-size:7pt"></span><b>Métricas reportadas</b>: CER, WER, tiempo de procesamiento</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">3.3.7. Entorno de Ejecución</span></h3>
<h4><spanlang="ES">Hardware</span></h4>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 6.</b><i>Tabla de datos.</i></span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Tamaño del dataset</b>: El dataset contiene 24 páginas de un único tipo de documento. Resultados pueden no generalizar a otros formatos.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Ejecución en CPU</b>: Los tiempos de procesamiento (~70s/página) serían significativamente menores con GPU.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Ground truth imperfecto</b>: El texto de referencia extraído de PDF puede contener errores en documentos con layouts complejos.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Parámetro fijo</b>: <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_unclip_ratio</span> quedó fijado en 0.0 durante todo el experimento por decisión de diseño inicial.</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">3.4. Resumen del capítulo</span></h2>
<pclass="MsoNormal"><spanlang="ES">Este capítulo ha establecido:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span>Un objetivo general SMART: alcanzar CER < 2% mediante optimización de hiperparámetros</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span>Cinco objetivos específicos medibles y alcanzables</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">3.<spanstyle="font-size:7pt"></span>Una metodología experimental en cinco fases claramente definidas</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">4.<spanstyle="font-size:7pt"></span>El espacio de búsqueda de hiperparámetros y la configuración de Ray Tune</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">5.<spanstyle="font-size:7pt"></span>Las limitaciones reconocidas del enfoque</span></p>
<pclass="MsoNormal"><spanlang="ES">El siguiente capítulo presenta el desarrollo específico de la contribución, incluyendo el benchmark comparativo de soluciones OCR, la optimización de hiperparámetros y el análisis de resultados.</span></p><pclass="MsoNormal"style="margin-left:18.0pt;text-indent:-18.0pt;page-break-after:
mso-font-kerning:16.0pt;mso-bidi-font-weight:bold'><spanstyle="mso-list:Ignore">4.<spanstyle='font:7.0pt "Times New Roman"'></span></span></span><?endif?><spanlang="ES"style='font-size:18.0pt;mso-bidi-font-size:16.0pt;line-height:150%;
específico de la contribución</span></span></span></span><spanstyle="mso-bookmark:_Toc14106979"><spanstyle="mso-bookmark:_Toc437515557"><spanlang="ES"style='font-size:18.0pt;mso-bidi-font-size:16.0pt;line-height:150%;
mso-hansi-theme-font:major-latin;mso-bidi-font-family:"Times New Roman";
color:#0098CD;mso-font-kerning:16.0pt;mso-bidi-font-weight:bold'><o:p></o:p></span></span></span></p><pclass="MsoNormal"><spanlang="ES">Este capítulo presenta el desarrollo completo del estudio comparativo y la optimización de hiperparámetros de sistemas OCR. Se estructura según el tipo de trabajo "Comparativa de soluciones" establecido por las instrucciones de UNIR: planteamiento de la comparativa, desarrollo de la comparativa, y discusión y análisis de resultados.</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">4.1. Planteamiento de la comparativa</span></h2>
<pclass="MsoNormal"><spanlang="ES">Esta sección presenta los resultados del estudio comparativo realizado entre tres soluciones OCR de código abierto: EasyOCR, PaddleOCR y DocTR. Los experimentos fueron documentados en el notebook <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">ocr_benchmark_notebook.ipynb</span> del repositorio. El objetivo es identificar el modelo base más prometedor para la posterior fase de optimización de hiperparámetros.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.1.2. Configuración del Experimento</span></h3>
<h4><spanlang="ES">Dataset de Evaluación</span></h4>
<pclass="MsoNormal"><spanlang="ES">Se utilizó el documento "Instrucciones para la redacción y elaboración del TFE" del Máster Universitario en Inteligencia Artificial de UNIR, ubicado en la carpeta <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">instructions/</span>.</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 8.</b><i>Tabla 3. Características del dataset de evaluación.</i></span></p>
<tableborder="1"cellpadding="0"cellspacing="0"class="MsoTableGrid"style="border-collapse:collapse;border:none;mso-border-alt:solid windowtext .5pt"><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Característica</span></b></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Valor</span></b></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Número de páginas evaluadas</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">5 (páginas 1-5 en benchmark inicial)</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Formato</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">PDF digital (no escaneado)</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Idioma</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Español</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Resolución de conversión</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">300 DPI</span></p></td></tr></table>
<h4><spanlang="ES">Configuración de los Modelos</span></h4>
<pclass="MsoNormal"><spanlang="ES">Según el código en <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">ocr_benchmark_notebook.ipynb</span>:</span></p>
<h4><spanlang="ES">Métricas de Evaluación</span></h4>
<pclass="MsoNormal"><spanlang="ES">Se utilizó la biblioteca <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">jiwer</span> para calcular CER y WER:</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.1.3. Resultados del Benchmark</span></h3>
<h4><spanlang="ES">Resultados de PaddleOCR (Datos del CSV)</span></h4>
<pclass="MsoNormal"><spanlang="ES">Del archivo <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">results/ai_ocr_benchmark_finetune_results_20251206_113206.csv</span>, se obtienen los siguientes resultados de PaddleOCR para las páginas 5-9 del documento:</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 9.</b><i>Tabla 4. Resultados de PaddleOCR por página (benchmark inicial).</i></span></p>
<h4><spanlang="ES">Comparativa de Modelos</span></h4>
<pclass="MsoNormal"><spanlang="ES">Según la documentación del notebook <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">ocr_benchmark_notebook.ipynb</span>, los tres modelos evaluados representan diferentes paradigmas de OCR:</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 10.</b><i>Tabla 5. Comparativa de arquitecturas OCR evaluadas.</i></span></p>
<h4><spanlang="ES">Ejemplo de Salida OCR</span></h4>
<pclass="MsoNormal"><spanlang="ES">Del archivo CSV, un ejemplo de predicción de PaddleOCR para la página 8:</span></p>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES">"Escribe siempre al menos un párrafo de introducción en cada capítulo o apartado, explicando de qué vas a tratar en esa sección. Evita que aparezcan dos encabezados de nivel consecutivos sin ningún texto entre medias. [...] En esta titulacióon se cita de acuerdo con la normativa Apa."</span></i></p>
<pclass="MsoNormal"><spanlang="ES"><b>Errores observados en este ejemplo:</b></span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">titulacióon</span> en lugar de <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">titulación</span> (carácter duplicado)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">Apa</span> en lugar de <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">APA</span> (capitalización)</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.1.4. Justificación de la Selección de PaddleOCR</span></h3>
<h4><spanlang="ES">Criterios de Selección</span></h4>
<pclass="MsoNormal"><spanlang="ES">Basándose en los resultados obtenidos y la documentación del benchmark:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Rendimiento</b>: PaddleOCR obtuvo CER entre 1.54% y 6.40% en las páginas evaluadas</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Alta configurabilidad de hiperparámetros de inferencia</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Pipeline modular que permite experimentación</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.1.5. Limitaciones del Benchmark</span></h3>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Tamaño reducido</b>: Solo 5 páginas evaluadas en el benchmark comparativo inicial</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span><b>Único tipo de documento</b>: Documentos académicos de UNIR únicamente</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">3.<spanstyle="font-size:7pt"></span><b>Ground truth</b>: El texto de referencia se extrajo automáticamente del PDF, lo cual puede introducir errores en layouts complejos</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.1.6. Resumen de la Sección</span></h3>
<pclass="MsoNormal"><spanlang="ES">Esta sección ha presentado:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span>La configuración del benchmark según <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">ocr_benchmark_notebook.ipynb</span></span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span>Los resultados cuantitativos de PaddleOCR del archivo CSV de resultados</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">3.<spanstyle="font-size:7pt"></span>La justificación de la selección de PaddleOCR para optimización</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Fuentes de datos utilizadas:</b></span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">ocr_benchmark_notebook.ipynb</span>: Código del benchmark</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Documentación oficial de PaddleOCR</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">4.2. Desarrollo de la comparativa: Optimización de hiperparámetros</span></h2>
<pclass="MsoNormal"><spanlang="ES">Esta sección describe el proceso de optimización de hiperparámetros de PaddleOCR utilizando Ray Tune con el algoritmo de búsqueda Optuna. Los experimentos fueron implementados en el notebook <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/paddle_ocr_fine_tune_unir_raytune.ipynb</span> y los resultados se almacenaron en <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/raytune_paddle_subproc_results_20251207_192320.csv</span>.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.2.2. Configuración del Experimento</span></h3>
<h4><spanlang="ES">Entorno de Ejecución</span></h4>
<pclass="MsoNormal"><spanlang="ES">Según los outputs del notebook:</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 11.</b><i>Tabla 6. Entorno de ejecución del experimento.</i></span></p>
<pclass="MsoNormal"><spanlang="ES">Se utilizó un dataset estructurado en <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/dataset/</span> creado mediante el notebook <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/prepare_dataset.ipynb</span>:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Estructura</b>: Carpetas con subcarpetas <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">img/</span> y <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">txt/</span> pareadas</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Páginas evaluadas por trial</b>: 5 (páginas 5-10 del documento)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Gestión de datos</b>: Clase <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">ImageTextDataset</span> en <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/dataset_manager.py</span></span></p>
<h4><spanlang="ES">Espacio de Búsqueda</span></h4>
<pclass="MsoNormal"><spanlang="ES">Según el código del notebook, se definió el siguiente espacio de búsqueda:</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Descripción de parámetros</b> (según documentación de PaddleOCR):</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 12.</b><i>Tabla de datos.</i></span></p>
<tableborder="1"cellpadding="0"cellspacing="0"class="MsoTableGrid"style="border-collapse:collapse;border:none;mso-border-alt:solid windowtext .5pt"><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Parámetro</span></b></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Descripción</span></b></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_doc_orientation_classify</span></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Clasificación de orientación del documento</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_doc_unwarping</span></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Corrección de deformación del documento</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">textline_orientation</span></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Clasificación de orientación de línea de texto</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Umbral de detección de píxeles de texto</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_box_thresh</span></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Umbral de caja de detección</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_unclip_ratio</span></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Coeficiente de expansión (fijado en 0.0)</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_rec_score_thresh</span></span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Umbral de confianza de reconocimiento</span></p></td></tr></table>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Algoritmo de búsqueda</b>: Optuna (TPE - Tree-structured Parzen Estimator)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Número de trials</b>: 64</span></p>
<pclass="MsoNormal"><spanlang="ES">Del archivo CSV de resultados (<spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">raytune_paddle_subproc_results_20251207_192320.csv</span>):</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 13.</b><i>Tabla 7. Estadísticas descriptivas de los 64 trials de Ray Tune.</i></span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Hallazgo clave</b>: El parámetro <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span> muestra la correlación más fuerte (-0.52), indicando que valores más altos de este umbral tienden a reducir el error.</span></p>
<h4><spanlang="ES">Impacto del Parámetro textline_orientation</span></h4>
<pclass="MsoNormal"><spanlang="ES">Según el análisis del notebook, este parámetro booleano tiene el mayor impacto:</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 16.</b><i>Tabla 8. Impacto del parámetro textline_orientation en las métricas de error.</i></span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Interpretación</b>: El CER medio es ~3.3x menor con <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">textline_orientation=True</span> (3.76% vs 12.40%). Además, la varianza es mucho menor, lo que indica resultados más consistentes. Para documentos en español con layouts mixtos (tablas, encabezados, direcciones), la clasificación de orientación ayuda a PaddleOCR a ordenar correctamente las líneas de texto.</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm;text-align:center"><spanlang="ES"><b>Figura 6.</b><i>Impacto de textline_orientation en CER</i></span></p>
<pclass="MsoNormal"style="text-align:center"><spanlang="ES"><imgalt="Impacto de textline_orientation en CER"src="figures/figura_6.png"width="500"/></span></p>
<pclass="MsoNormal"><spanlang="ES">Los trials con CER muy alto (>40%) se produjeron cuando:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span>< 0.1 (valores muy bajos)</span></p>
<pclass="MsoNormal"style="margin-left:2cm;margin-right:1cm"><i><spanlang="ES">"La optimización de hiperparámetros mejoró la precisión de caracteres de 92.2% a 98.5%, una ganancia de 6.3 puntos porcentuales. Aunque el baseline ya ofrecía resultados aceptables, la configuración optimizada reduce los errores residuales en un 80.9%."</span></i></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm;text-align:center"><spanlang="ES"><b>Figura 7.</b><i>Comparación Baseline vs Optimizado (24 páginas)</i></span></p>
<pclass="MsoNormal"style="text-align:center"><spanlang="ES"><imgalt="Comparación Baseline vs Optimizado (24 páginas)"src="figures/figura_7.png"width="500"/></span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Impacto práctico</b>: En un documento de 10,000 caracteres:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Baseline: ~778 caracteres con error</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Optimizado: ~149 caracteres con error</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Diferencia: ~629 caracteres menos con errores</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.2.5. Tiempo de Ejecución</span></h3>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 19.</b><i>Tabla de datos.</i></span></p>
<tableborder="1"cellpadding="0"cellspacing="0"class="MsoTableGrid"style="border-collapse:collapse;border:none;mso-border-alt:solid windowtext .5pt"><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Métrica</span></b></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Valor</span></b></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Tiempo total del experimento</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">~6 horas (64 trials × ~6 min/trial)</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Tiempo medio por trial</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">367.72 segundos</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Tiempo medio por página</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">69.42 segundos</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Total páginas procesadas</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">64 trials × 5 páginas = 320 evaluaciones</span></p></td></tr></table>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.2.6. Resumen de la Sección</span></h3>
<pclass="MsoNormal"><spanlang="ES">Esta sección ha presentado:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Configuración del experimento</b>: 64 trials con Ray Tune + Optuna sobre 7 hiperparámetros</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span><b>Resultados estadísticos</b>: CER medio 5.25%, CER mínimo 1.15%</span></p>
<pclass="MsoNormal"><spanlang="ES"> - <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">textline_orientation=True</span> es crítico (reduce CER ~70%) - <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span> tiene correlación -0.52 con CER - Valores bajos de <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span> (<0.1) causan fallos catastróficos</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Mejora final</b>: CER reducido de 7.78% a 1.49% (reducción del 80.9%)</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Fuentes de datos:</b></span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/paddle_ocr_fine_tune_unir_raytune.ipynb</span>: Código del experimento</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/raytune_paddle_subproc_results_20251207_192320.csv</span>: Resultados de 64 trials</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/paddle_ocr_tuning.py</span>: Script de evaluación</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">4.3. Discusión y análisis de resultados</span></h2>
<pclass="MsoNormal"><spanlang="ES">Esta sección presenta un análisis consolidado de los resultados obtenidos en las fases de benchmark comparativo y optimización de hiperparámetros. Se discuten las implicaciones prácticas y se evalúa el cumplimiento de los objetivos planteados.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.3.2. Resumen de Resultados</span></h3>
<h4><spanlang="ES">Resultados del Benchmark Comparativo</span></h4>
<pclass="MsoNormal"><spanlang="ES">Del archivo <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">results/ai_ocr_benchmark_finetune_results_20251206_113206.csv</span>, PaddleOCR con configuración inicial (<spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_textline_orientation=True</span>) obtuvo los siguientes resultados en las páginas 5-9:</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 20.</b><i>Tabla de datos.</i></span></p>
<h4><spanlang="ES">Comparación Final (Dataset Completo - 24 páginas)</span></h4>
<pclass="MsoNormal"><spanlang="ES">Resultados del notebook <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/paddle_ocr_fine_tune_unir_raytune.ipynb</span>:</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 22.</b><i>Tabla de datos.</i></span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.3.3. Análisis de Resultados</span></h3>
<h4><spanlang="ES">Mejora Obtenida</span></h4>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 23.</b><i>Tabla de datos.</i></span></p>
<tableborder="1"cellpadding="0"cellspacing="0"class="MsoTableGrid"style="border-collapse:collapse;border:none;mso-border-alt:solid windowtext .5pt"><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Forma de Medición</span></b></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px;background:#F0F0F0"><pclass="MsoNormal"style="margin:0"><b><spanlang="ES">Valor</span></b></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Mejora en precisión de caracteres (absoluta)</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">+6.29 puntos porcentuales</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Reducción del CER (relativa)</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">80.9%</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Mejora en precisión de palabras (absoluta)</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">+7.32 puntos porcentuales</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Reducción del WER (relativa)</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">49.0%</span></p></td></tr><tr><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">Precisión final de caracteres</span></p></td><tdstyle="border:solid windowtext 1.0pt;padding:5px"><pclass="MsoNormal"style="margin:0"><spanlang="ES">98.51%</span></p></td></tr></table>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Importancia de la clasificación de orientación de línea</b>: El parámetro <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">textline_orientation=True</span> es el factor más determinante. Esto tiene sentido para documentos con layouts mixtos (tablas, encabezados, direcciones) donde el orden correcto de las líneas de texto es crucial.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Umbral de detección crítico</b>: El parámetro <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span> presenta un umbral mínimo efectivo (~0.1). Valores inferiores generan demasiados falsos positivos en la detección, corrompiendo el reconocimiento posterior.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Componentes opcionales innecesarios</b>: Para documentos académicos digitales (no escaneados), los módulos de corrección de orientación de documento (<spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_doc_orientation_classify</span>) y corrección de deformación (<spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_doc_unwarping</span>) no aportan mejora e incluso pueden introducir overhead.</span></p>
<h4><spanlang="ES">Interpretación de la Correlación Negativa</span></h4>
<pclass="MsoNormal"><spanlang="ES">La correlación negativa de <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span> (-0.52) con el CER indica que:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Umbrales más altos filtran detecciones de baja confianza</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Esto reduce falsos positivos que generan texto erróneo</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">El reconocimiento es más preciso con menos regiones pero más confiables</span></p>
<h4><spanlang="ES">Limitaciones de los Resultados</span></h4>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Generalización</b>: Los resultados se obtuvieron sobre documentos de un único tipo (instrucciones académicas UNIR). La configuración óptima puede variar para otros tipos de documentos.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Ground truth automático</b>: El texto de referencia se extrajo programáticamente del PDF. En layouts complejos, esto puede introducir errores en la evaluación.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Ejecución en CPU</b>: Los tiempos reportados (~69s/página) corresponden a ejecución en CPU. Con GPU, los tiempos serían significativamente menores.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Parámetro fijo</b>: <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_unclip_ratio</span> permaneció fijo en 0.0 durante todo el experimento por decisión de diseño.</span></p>
<h4><spanlang="ES">Comparación con Objetivos</span></h4>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 27.</b><i>Tabla de datos.</i></span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span><b>Recomendado</b>: <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span> entre 0.4 y 0.5</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">4.<spanstyle="font-size:7pt"></span><b>No recomendado</b>: Habilitar <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_doc_orientation_classify</span> o <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_doc_unwarping</span> para documentos digitales</span></p>
<pclass="MsoNormal"><spanlang="ES">Esta metodología de optimización es aplicable cuando:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">No se dispone de recursos GPU para fine-tuning</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">El modelo preentrenado ya tiene soporte para el idioma objetivo</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Se busca mejorar rendimiento sin reentrenar</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">4.3.6. Resumen de la Sección</span></h3>
<pclass="MsoNormal"><spanlang="ES">Esta sección ha presentado:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span>Los resultados consolidados del benchmark y la optimización</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">2.<spanstyle="font-size:7pt"></span>El análisis del impacto de cada hiperparámetro</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">4.<spanstyle="font-size:7pt"></span>La discusión de limitaciones y aplicabilidad</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">5.<spanstyle="font-size:7pt"></span>El cumplimiento de los objetivos planteados</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Resultado principal</b>: Se logró reducir el CER del 7.78% al 1.49% (mejora del 80.9%) mediante optimización de hiperparámetros, cumpliendo el objetivo de alcanzar CER < 2%.</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Fuentes de datos:</b></span></p>
major-latin;mso-bidi-font-family:"Calibri Light";mso-bidi-theme-font:major-latin'><spanstyle="mso-list:Ignore">5.<spanstyle='font:7.0pt "Times New Roman"'>
y trabajo futuro</span></a></h1><pclass="MsoNormal"><spanlang="ES">Este capítulo resume las principales conclusiones del trabajo, evalúa el grado de cumplimiento de los objetivos planteados y propone líneas de trabajo futuro que permitirían ampliar y profundizar los resultados obtenidos.</span></p>
<pclass="MsoNormal"><spanlang="ES">Este Trabajo Fin de Máster ha demostrado que es posible mejorar significativamente el rendimiento de sistemas OCR preentrenados mediante optimización sistemática de hiperparámetros, sin requerir fine-tuning ni recursos GPU dedicados.</span></p>
<pclass="MsoNormal"><spanlang="ES">El objetivo principal del trabajo era alcanzar un CER inferior al 2% en documentos académicos en español. Los resultados obtenidos confirman el cumplimiento de este objetivo:</span></p>
<pclass="Piedefoto-tabla"style="margin-left:0cm"><spanlang="ES"><b>Tabla 29.</b><i>Tabla de datos.</i></span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Respecto a OE1 (Comparativa de soluciones OCR)</b>:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Se evaluaron tres soluciones OCR de código abierto: EasyOCR, PaddleOCR (PP-OCRv5) y DocTR</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">PaddleOCR demostró el mejor rendimiento base para documentos en español</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">La configurabilidad del pipeline de PaddleOCR lo hace idóneo para optimización</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Respecto a OE2 (Preparación del dataset)</b>:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Se construyó un dataset estructurado con 24 páginas de documentos académicos</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">La clase <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">ImageTextDataset</span> facilita la carga de pares imagen-texto</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">El ground truth se extrajo automáticamente del PDF mediante PyMuPDF</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Respecto a OE3 (Identificación de hiperparámetros críticos)</b>:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">El parámetro <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">textline_orientation</span> es el más influyente: reduce el CER en un 69.7% cuando está habilitado</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">El umbral <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_thresh</span> presenta la correlación más fuerte (-0.52) con el CER</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Los parámetros de corrección de documento (<spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_doc_orientation_classify</span>, <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">use_doc_unwarping</span>) no aportan mejora en documentos digitales</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Respecto a OE4 (Optimización con Ray Tune)</b>:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Se ejecutaron 64 trials con el algoritmo OptunaSearch</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">El tiempo total del experimento fue aproximadamente 6 horas (en CPU)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">La arquitectura basada en subprocesos permitió superar incompatibilidades entre Ray y PaddleOCR</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>Respecto a OE5 (Validación de la configuración)</b>:</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">Se validó la configuración óptima sobre el dataset completo de 24 páginas</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">La mejora obtenida fue del 80.9% en reducción del CER (7.78% → 1.49%)</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES">La precisión de caracteres alcanzó el 98.51%</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Arquitectura sobre umbrales</b>: Un único parámetro booleano (<spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">textline_orientation</span>) tiene más impacto que todos los umbrales continuos combinados.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Simplicidad para documentos digitales</b>: Para documentos PDF digitales (no escaneados), los módulos de corrección de orientación y deformación son innecesarios.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Optimización sin fine-tuning</b>: Se puede mejorar significativamente el rendimiento de modelos preentrenados mediante ajuste de hiperparámetros de inferencia.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">5.1.4. Contribuciones del Trabajo</span></h3>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Metodología reproducible</b>: Se documenta un proceso completo de optimización de hiperparámetros OCR con Ray Tune + Optuna.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Análisis de hiperparámetros de PaddleOCR</b>: Se cuantifica el impacto de cada parámetro configurable mediante correlaciones y análisis comparativo.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Configuración óptima para español</b>: Se proporciona una configuración validada para documentos académicos en español.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Código fuente</b>: Todo el código está disponible en el repositorio GitHub para reproducción y extensión.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">5.1.5. Limitaciones del Trabajo</span></h3>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Tipo de documento único</b>: Los experimentos se realizaron únicamente sobre documentos académicos de UNIR. La generalización a otros tipos de documentos requiere validación adicional.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Tamaño del dataset</b>: 24 páginas es un corpus limitado para conclusiones estadísticamente robustas.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Ground truth automático</b>: La extracción automática del texto de referencia puede introducir errores en layouts complejos.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Ejecución en CPU</b>: Los tiempos de procesamiento (~69s/página) limitan la aplicabilidad en escenarios de alto volumen.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Parámetro no explorado</b>: <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_unclip_ratio</span> permaneció fijo en 0.0 durante todo el experimento.</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">5.2. Líneas de trabajo futuro</span></h2>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Validación cruzada</b>: Evaluar la configuración óptima en otros tipos de documentos en español (facturas, formularios, textos manuscritos).</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Exploración de <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">text_det_unclip_ratio</span></b>: Incluir este parámetro en el espacio de búsqueda.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Dataset ampliado</b>: Construir un corpus más amplio y diverso de documentos en español.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Evaluación con GPU</b>: Medir tiempos de inferencia con aceleración GPU.</span></p>
<h3style="mso-list:l22 level3 lfo18"><spanlang="ES"style="text-transform:none">5.2.2. Líneas de Investigación</span></h3>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Transfer learning de hiperparámetros</b>: Investigar si las configuraciones óptimas para un tipo de documento transfieren a otros dominios.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Optimización multi-objetivo</b>: Considerar simultáneamente CER, WER y tiempo de inferencia como objetivos.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>AutoML para OCR</b>: Aplicar técnicas de AutoML más avanzadas (Neural Architecture Search, meta-learning).</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Comparación con fine-tuning</b>: Cuantificar la brecha de rendimiento entre optimización de hiperparámetros y fine-tuning real.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Herramienta de configuración automática</b>: Desarrollar una herramienta que determine automáticamente la configuración óptima para un nuevo tipo de documento.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Integración en pipelines de producción</b>: Implementar la configuración optimizada en sistemas reales de procesamiento documental.</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span><b>Benchmark público</b>: Publicar un benchmark de OCR para documentos en español que facilite la comparación de soluciones.</span></p>
<pclass="MsoNormal"><spanlang="ES">Este trabajo demuestra que, en un contexto de recursos limitados donde el fine-tuning de modelos de deep learning no es viable, la optimización de hiperparámetros representa una alternativa práctica y efectiva para mejorar sistemas OCR.</span></p>
<pclass="MsoNormal"><spanlang="ES">La metodología propuesta es reproducible, los resultados son cuantificables, y las conclusiones son aplicables a escenarios reales de procesamiento documental. La reducción del CER del 7.78% al 1.49% representa una mejora sustancial que puede tener impacto directo en aplicaciones downstream como extracción de información, análisis semántico y búsqueda de documentos.</span></p>
<pclass="MsoNormal"><spanlang="ES">El código fuente y los datos experimentales están disponibles públicamente para facilitar la reproducción y extensión de este trabajo.</span></p><pclass="Ttulo1sinnumerar"><aname="_Toc160619821"><spanlang="ES">Referencias
bibliográficas</span></a></p><pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Akiba, T., Sano, S., Yanase, T., Ohta, T., & Koyama, M. (2019). Optuna: A next-generation hyperparameter optimization framework. <i>Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining</i>, 2623-2631. https://doi.org/10.1145/3292500.3330701</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Baek, Y., Lee, B., Han, D., Yun, S., & Lee, H. (2019). Character region awareness for text detection. <i>Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition</i>, 9365-9374. https://doi.org/10.1109/CVPR.2019.00959</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Bergstra, J., & Bengio, Y. (2012). Random search for hyper-parameter optimization. <i>Journal of Machine Learning Research</i>, 13(1), 281-305. https://jmlr.org/papers/v13/bergstra12a.html</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Bergstra, J., Bardenet, R., Bengio, Y., & Kégl, B. (2011). Algorithms for hyper-parameter optimization. <i>Advances in Neural Information Processing Systems</i>, 24, 2546-2554. https://papers.nips.cc/paper/2011/hash/86e8f7ab32cfd12577bc2619bc635690-Abstract.html</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Cohen, J. (1988). <i>Statistical power analysis for the behavioral sciences</i> (2nd ed.). Lawrence Erlbaum Associates.</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Doran, G. T. (1981). There's a S.M.A.R.T. way to write management's goals and objectives. <i>Management Review</i>, 70(11), 35-36.</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Du, Y., Li, C., Guo, R., Yin, X., Liu, W., Zhou, J., Bai, Y., Yu, Z., Yang, Y., Dang, Q., & Wang, H. (2020). PP-OCR: A practical ultra lightweight OCR system. <i>arXiv preprint arXiv:2009.09941</i>. https://arxiv.org/abs/2009.09941</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Du, Y., Li, C., Guo, R., Cui, C., Liu, W., Zhou, J., Lu, B., Yang, Y., Liu, Q., Hu, X., Yu, D., & Wang, H. (2023). PP-OCRv4: Mobile scene text detection and recognition. <i>arXiv preprint arXiv:2310.05930</i>. https://arxiv.org/abs/2310.05930</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Feurer, M., & Hutter, F. (2019). Hyperparameter optimization. In F. Hutter, L. Kotthoff, & J. Vanschoren (Eds.), <i>Automated machine learning: Methods, systems, challenges</i> (pp. 3-33). Springer. https://doi.org/10.1007/978-3-030-05318-5_1</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">He, P., Huang, W., Qiao, Y., Loy, C. C., & Tang, X. (2016). Reading scene text in deep convolutional sequences. <i>Proceedings of the AAAI Conference on Artificial Intelligence</i>, 30(1), 3501-3508. https://doi.org/10.1609/aaai.v30i1.10291</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Liang, J., Doermann, D., & Li, H. (2005). Camera-based analysis of text and documents: A survey. <i>International Journal of Document Analysis and Recognition</i>, 7(2), 84-104. https://doi.org/10.1007/s10032-004-0138-z</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Liao, M., Wan, Z., Yao, C., Chen, K., & Bai, X. (2020). Real-time scene text detection with differentiable binarization. <i>Proceedings of the AAAI Conference on Artificial Intelligence</i>, 34(07), 11474-11481. https://doi.org/10.1609/aaai.v34i07.6812</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Liaw, R., Liang, E., Nishihara, R., Moritz, P., Gonzalez, J. E., & Stoica, I. (2018). Tune: A research platform for distributed model selection and training. <i>arXiv preprint arXiv:1807.05118</i>. https://arxiv.org/abs/1807.05118</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Mindee. (2021). DocTR: Document Text Recognition. GitHub. https://github.com/mindee/doctr</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Moritz, P., Nishihara, R., Wang, S., Tumanov, A., Liaw, R., Liang, E., Elibol, M., Yang, Z., Paul, W., Jordan, M. I., & Stoica, I. (2018). Ray: A distributed framework for emerging AI applications. <i>13th USENIX Symposium on Operating Systems Design and Implementation (OSDI 18)</i>, 561-577. https://www.usenix.org/conference/osdi18/presentation/moritz</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Morris, A. C., Maier, V., & Green, P. D. (2004). From WER and RIL to MER and WIL: Improved evaluation measures for connected speech recognition. <i>Eighth International Conference on Spoken Language Processing</i>. https://doi.org/10.21437/Interspeech.2004-668</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">PaddlePaddle. (2024). PaddleOCR: Awesome multilingual OCR toolkits based on PaddlePaddle. GitHub. https://github.com/PaddlePaddle/PaddleOCR</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Pearson, K. (1895). Notes on regression and inheritance in the case of two parents. <i>Proceedings of the Royal Society of London</i>, 58, 240-242. https://doi.org/10.1098/rspl.1895.0041</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Shi, B., Bai, X., & Yao, C. (2016). An end-to-end trainable neural network for image-based sequence recognition and its application to scene text recognition. <i>IEEE Transactions on Pattern Analysis and Machine Intelligence</i>, 39(11), 2298-2304. https://doi.org/10.1109/TPAMI.2016.2646371</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Smith, R. (2007). An overview of the Tesseract OCR engine. <i>Ninth International Conference on Document Analysis and Recognition (ICDAR 2007)</i>, 2, 629-633. https://doi.org/10.1109/ICDAR.2007.4376991</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Zhou, X., Yao, C., Wen, H., Wang, Y., Zhou, S., He, W., & Liang, J. (2017). EAST: An efficient and accurate scene text detector. <i>Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition</i>, 5551-5560. https://doi.org/10.1109/CVPR.2017.283</span></p>
<pclass="MsoBibliography"style="margin-left:36.0pt;text-indent:-36.0pt"><spanlang="ES">Zoph, B., & Le, Q. V. (2017). Neural architecture search with reinforcement learning. <i>International Conference on Learning Representations (ICLR)</i>. https://arxiv.org/abs/1611.01578</span></p>
major-latin;mso-bidi-font-family:"Calibri Light";mso-bidi-theme-font:major-latin'><spanstyle="mso-list:Ignore">Anexo A.<spanstyle='font:7.0pt "Times New Roman"'>
</span></span></span><?endif?><spanlang="ES">Código fuente y datos analizados</span></a></p><h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">A.1 Repositorio del Proyecto</span></h2>
<pclass="MsoNormal"><spanlang="ES">El código fuente completo y los datos utilizados en este trabajo están disponibles en el siguiente repositorio:</span></p>
<pclass="MsoNormal"><spanlang="ES"><b>URL del repositorio:</b> https://github.com/seryus/MastersThesis</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Notebooks de experimentación</b>: Código completo de los experimentos realizados</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Scripts de evaluación</b>: Herramientas para evaluar modelos OCR</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Dataset</b>: Imágenes y textos de referencia utilizados</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES"style="font-family:Symbol">·</span><spanlang="ES"style="font-size:7pt"></span><spanlang="ES"><b>Resultados</b>: Archivos CSV con los resultados de los 64 trials de Ray Tune</span></p>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">A.2 Estructura del Repositorio</span></h2>
<h2style="mso-list:l22 level2 lfo18"><spanlang="ES"style="text-transform:none">A.4 Instrucciones de Ejecución</span></h2>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">1.<spanstyle="font-size:7pt"></span>Clonar el repositorio</span></p>
<pclass="MsoListParagraphCxSpMiddle"style="margin-left:36pt;text-indent:-18pt"><spanlang="ES">3.<spanstyle="font-size:7pt"></span>Ejecutar el notebook <spanstyle="font-family:Consolas;font-size:10pt;background:#f5f5f5">src/paddle_ocr_fine_tune_unir_raytune.ipynb</span></span></p>