unir/MastersThesis
0
0
Fork 0
Code Issues Pull Requests Actions 1 Packages Projects Releases Wiki Activity

char colors
Some checks failed
build_docker / essential (pull_request) Successful in 0s
Details
build_docker / build_easyocr (pull_request) Has been cancelled
Details
build_docker / build_doctr_gpu (pull_request) Has been cancelled
Details
build_docker / build_raytune (pull_request) Has been cancelled
Details
build_docker / build_easyocr_gpu (pull_request) Has been cancelled
Details
build_docker / build_doctr (pull_request) Has been cancelled
Details
build_docker / build_cpu (pull_request) Has been cancelled
Details
build_docker / build_gpu (pull_request) Has been cancelled
Details

Browse Source
This commit is contained in:
Sergio Jimenez Jimenez
2026-01-20 15:18:56 +01:00
parent 4088a1efd0
commit 4195c67b0c
20 changed files with 465 additions and 95 deletions
Download Patch File Download Diff File Expand all files Collapse all files

20
docs/02_contexto_estado_arte.md
View File

@@ -121,7 +121,7 @@ Las arquitecturas más utilizadas para detección de texto incluyen:
**DB (Differentiable Binarization)**: Propuesto por Liao et al. (2020), DB introduce una operación de binarización diferenciable que permite entrenar end-to-end un detector de texto basado en segmentación. Esta arquitectura es la utilizada por PaddleOCR y destaca por su velocidad y precisión.
**Tabla 1.** *Comparativa de arquitecturas de detección de texto.*
**Tabla 4.** *Comparativa de arquitecturas de detección de texto.*
| Arquitectura | Tipo | Salida | Fortalezas | Limitaciones |
|--------------|------|--------|------------|--------------|
@@ -148,7 +148,7 @@ La arquitectura CRNN consta de tres componentes:
**TrOCR (Transformer-based OCR)**: Propuesto por Li et al. (2023), TrOCR utiliza un Vision Transformer (ViT) como encoder y un Transformer de lenguaje como decoder, logrando resultados estado del arte en múltiples benchmarks.
**Tabla 2.** *Comparativa de arquitecturas de reconocimiento de texto.*
**Tabla 5.** *Comparativa de arquitecturas de reconocimiento de texto.*
| Arquitectura | Encoder | Decoder | Pérdida | Características |
|--------------|---------|---------|---------|-----------------|
@@ -293,7 +293,7 @@ El pipeline de PaddleOCR consta de tres módulos principales:
PaddleOCR expone numerosos hiperparámetros que permiten ajustar el comportamiento del sistema. Los más relevantes para este trabajo son:
**Tabla 3.** *Hiperparámetros de detección de PaddleOCR.*
**Tabla 6.** *Hiperparámetros de detección de PaddleOCR.*
| Parámetro | Descripción | Rango | Defecto |
|-----------|-------------|-------|---------|
@@ -304,7 +304,7 @@ PaddleOCR expone numerosos hiperparámetros que permiten ajustar el comportamien
*Fuente: Documentación oficial de PaddleOCR (PaddlePaddle, 2024).*
**Tabla 4.** *Hiperparámetros de reconocimiento de PaddleOCR.*
**Tabla 7.** *Hiperparámetros de reconocimiento de PaddleOCR.*
| Parámetro | Descripción | Rango | Defecto |
|-----------|-------------|-------|---------|
@@ -314,7 +314,7 @@ PaddleOCR expone numerosos hiperparámetros que permiten ajustar el comportamien
*Fuente: Documentación oficial de PaddleOCR (PaddlePaddle, 2024).*
**Tabla 5.** *Hiperparámetros de preprocesamiento de PaddleOCR.*
**Tabla 8.** *Hiperparámetros de preprocesamiento de PaddleOCR.*
| Parámetro | Descripción | Impacto |
|-----------|-------------|---------|
@@ -359,7 +359,7 @@ DocTR (Document Text Recognition) es una biblioteca desarrollada por Mindee (202
#### Comparativa Detallada de Soluciones
**Tabla 6.** *Comparativa técnica de soluciones OCR de código abierto.*
**Tabla 9.** *Comparativa técnica de soluciones OCR de código abierto.*
| Aspecto | EasyOCR | PaddleOCR | DocTR |
|---------|---------|-----------|-------|
@@ -374,7 +374,7 @@ DocTR (Document Text Recognition) es una biblioteca desarrollada por Mindee (202
*Fuente: Elaboración propia a partir de documentación oficial (2024).*
**Tabla 7.** *Comparativa de facilidad de uso.*
**Tabla 10.** *Comparativa de facilidad de uso.*
| Aspecto | EasyOCR | PaddleOCR | DocTR |
|---------|---------|-----------|-------|
@@ -399,7 +399,7 @@ A diferencia de los parámetros del modelo (como los pesos de una red neuronal),
El problema de HPO puede formalizarse como:
$$\lambda^* = \arg\min_{\lambda \in \Lambda} \mathcal{L}(M_\lambda, D_{val})$$
$$\lambda^* = \operatorname{argmin}_{\lambda \in \Lambda} \mathcal{L}(M_\lambda, D_{val})$$
Donde:
- $\lambda$ es un vector de hiperparámetros
@@ -548,7 +548,7 @@ Los principales recursos para evaluación de OCR en español incluyen:
**XFUND**: Dataset de comprensión de formularios en múltiples idiomas, incluyendo español, con anotaciones de entidades y relaciones.
**Tabla 8.** *Datasets públicos con contenido en español.*
**Tabla 11.** *Datasets públicos con contenido en español.*
| Dataset | Tipo | Idiomas | Tamaño | Uso principal |
|---------|------|---------|--------|---------------|
@@ -578,7 +578,7 @@ Los trabajos previos en OCR para español se han centrado principalmente en:
**Reconocimiento de texto en escenas**: Participaciones en competiciones ICDAR para detección y reconocimiento de texto en español en imágenes naturales.
**Tabla 9.** *Trabajos previos relevantes en OCR para español.*
**Tabla 12.** *Trabajos previos relevantes en OCR para español.*
| Trabajo | Enfoque | Contribución |
|---------|---------|--------------|

14
docs/03_objetivos_metodologia.md
View File

@@ -8,7 +8,7 @@ La motivación presentada en el capítulo anterior se traduce ahora en objetivos
### Justificación SMART del Objetivo General
**Tabla 4.** *Justificación SMART del objetivo general.*
**Tabla 13.** *Justificación SMART del objetivo general.*
| Criterio | Cumplimiento |
|----------|--------------|
@@ -124,7 +124,7 @@ Se implementó una clase Python para cargar pares imagen-texto que retorna tupla
#### Modelos Evaluados
**Tabla 5.** *Modelos OCR evaluados en el benchmark inicial.*
**Tabla 14.** *Modelos OCR evaluados en el benchmark inicial.*
| Modelo | Versión | Configuración |
|--------|---------|---------------|
@@ -142,7 +142,7 @@ Se utilizó la biblioteca `jiwer` para calcular CER y WER comparando el texto de
#### Hiperparámetros Seleccionados
**Tabla 6.** *Hiperparámetros seleccionados para optimización.*
**Tabla 15.** *Hiperparámetros seleccionados para optimización.*
| Parámetro | Tipo | Rango/Valores | Descripción |
|-----------|------|---------------|-------------|
@@ -206,7 +206,7 @@ El servicio OCR expone una API REST que retorna métricas en formato JSON:
#### Hardware
**Tabla 7.** *Especificaciones de hardware del entorno de desarrollo.*
**Tabla 16.** *Especificaciones de hardware del entorno de desarrollo.*
| Componente | Especificación |
|------------|----------------|
@@ -219,7 +219,7 @@ El servicio OCR expone una API REST que retorna métricas en formato JSON:
#### Software
**Tabla 8.** *Versiones de software utilizadas.*
**Tabla 17.** *Versiones de software utilizadas.*
| Componente | Versión |
|------------|---------|
@@ -236,7 +236,7 @@ El servicio OCR expone una API REST que retorna métricas en formato JSON:
La decisión de ejecutar los experimentos en hardware local en lugar de utilizar servicios cloud se fundamenta en un análisis de costos y beneficios operativos.
**Tabla 9.** *Costos de GPU en plataformas cloud.*
**Tabla 18.** *Costos de GPU en plataformas cloud.*
| Plataforma | GPU | Costo/Hora | Costo Mensual |
|------------|-----|------------|---------------|
@@ -248,7 +248,7 @@ La decisión de ejecutar los experimentos en hardware local en lugar de utilizar
Para las tareas específicas de este proyecto, los costos estimados en cloud serían:
**Tabla 10.** *Análisis de costos del proyecto en plataformas cloud.*
**Tabla 19.** *Análisis de costos del proyecto en plataformas cloud.*
| Tarea | Tiempo GPU | Costo AWS | Costo Colab Pro |
|-------|------------|-----------|-----------------|

172
docs/04_desarrollo_especifico.md
View File

@@ -18,7 +18,7 @@ Los documentos académicos típicos incluyen texto corrido entremezclado con tab
Se seleccionaron tres soluciones OCR de código abierto representativas del estado del arte:
**Tabla 11.** *Soluciones OCR evaluadas en el benchmark comparativo.*
**Tabla 20.** *Soluciones OCR evaluadas en el benchmark comparativo.*
| Solución | Desarrollador | Versión | Justificación de selección |
|----------|---------------|---------|----------------------------|
@@ -49,7 +49,7 @@ Los criterios establecidos para evaluar las soluciones fueron:
Se utilizó el documento "Instrucciones para la redacción y elaboración del TFE" del Máster Universitario en Inteligencia Artificial de UNIR, ubicado en la carpeta `instructions/`.
**Tabla 12.** *Características del dataset de evaluación inicial.*
**Tabla 21.** *Características del dataset de evaluación inicial.*
| Característica | Valor |
|----------------|-------|
@@ -90,7 +90,7 @@ Se utilizó la biblioteca `jiwer` para calcular CER y WER de manera estandarizad
Durante el benchmark inicial se evaluó PaddleOCR con configuración por defecto en un subconjunto del dataset. Los resultados preliminares mostraron variabilidad significativa entre páginas, con CER entre 1.54% y 6.40% dependiendo de la complejidad del layout.
**Tabla 13.** *Variabilidad del CER por tipo de contenido.*
**Tabla 22.** *Variabilidad del CER por tipo de contenido.*
| Tipo de contenido | CER aproximado | Observaciones |
|-------------------|----------------|---------------|
@@ -115,7 +115,7 @@ Durante el benchmark inicial se evaluó PaddleOCR con configuración por defecto
Los tres modelos evaluados representan diferentes paradigmas de OCR:
**Tabla 14.** *Comparativa de arquitecturas OCR evaluadas.*
**Tabla 23.** *Comparativa de arquitecturas OCR evaluadas.*
| Modelo | Tipo | Componentes | Fortalezas Clave |
|--------|------|-------------|------------------|
@@ -156,7 +156,7 @@ Un análisis cualitativo de los errores producidos reveló patrones específicos
La selección de PaddleOCR para la fase de optimización se basó en los siguientes criterios:
**Tabla 15.** *Evaluación de criterios de selección.*
**Tabla 24.** *Evaluación de criterios de selección.*
| Criterio | EasyOCR | PaddleOCR | DocTR |
|----------|---------|-----------|-------|
@@ -227,7 +227,7 @@ Esta aproximación ofrece ventajas significativas frente al fine-tuning tradicio
El experimento se ejecutó en el siguiente entorno:
**Tabla 16.** *Entorno de ejecución del experimento.*
**Tabla 25.** *Entorno de ejecución del experimento.*
| Componente | Versión/Especificación |
|------------|------------------------|
@@ -307,7 +307,7 @@ Respuesta del servicio OCR:
La infraestructura del proyecto se basa en contenedores Docker para garantizar reproducibilidad y aislamiento de dependencias. Se generaron seis imágenes Docker, cada una optimizada para su propósito específico.
**Tabla 17.** *Imágenes Docker generadas para el proyecto.*
**Tabla 26.** *Imágenes Docker generadas para el proyecto.*
| Imagen | Propósito | Base | Puerto |
|--------|-----------|------|--------|
@@ -397,7 +397,7 @@ flowchart LR
El proyecto incluye múltiples archivos Docker Compose para diferentes escenarios de uso:
**Tabla 18.** *Archivos Docker Compose del proyecto.*
**Tabla 27.** *Archivos Docker Compose del proyecto.*
| Archivo | Propósito | Servicios |
|---------|-----------|-----------|
@@ -414,7 +414,7 @@ El proyecto incluye múltiples archivos Docker Compose para diferentes escenario
Se utilizan volúmenes Docker nombrados para persistir los modelos descargados entre ejecuciones:
**Tabla 19.** *Volúmenes Docker para caché de modelos.*
**Tabla 28.** *Volúmenes Docker para caché de modelos.*
| Volumen | Servicio | Contenido |
|---------|----------|-----------|
@@ -517,7 +517,7 @@ Los resultados de los experimentos están disponibles en:
Para la fase de optimización se extendió el dataset:
**Tabla 20.** *Características del dataset de optimización.*
**Tabla 29.** *Características del dataset de optimización.*
| Característica | Valor |
|----------------|-------|
@@ -535,7 +535,7 @@ La clase `ImageTextDataset` gestiona la carga de pares imagen-texto desde la est
El espacio de búsqueda se definió considerando los hiperparámetros más relevantes identificados en la documentación de PaddleOCR, utilizando `tune.choice()` para parámetros booleanos y `tune.uniform()` para umbrales continuos. La implementación está disponible en `src/raytune/raytune_ocr.py` (ver Anexo A).
**Tabla 21.** *Descripción detallada del espacio de búsqueda.*
**Tabla 30.** *Descripción detallada del espacio de búsqueda.*
| Parámetro | Tipo | Rango | Descripción |
|-----------|------|-------|-------------|
@@ -561,7 +561,7 @@ El espacio de búsqueda se definió considerando los hiperparámetros más relev
Se configuró Ray Tune con OptunaSearch como algoritmo de búsqueda, optimizando CER en 64 trials con 2 ejecuciones concurrentes. La implementación está disponible en `src/raytune/raytune_ocr.py` (ver Anexo A).
**Tabla 22.** *Parámetros de configuración de Ray Tune.*
**Tabla 31.** *Parámetros de configuración de Ray Tune.*
| Parámetro | Valor | Justificación |
|-----------|-------|---------------|
@@ -587,7 +587,7 @@ El número de trials se eligió considerando:
El experimento se ejecutó exitosamente con los siguientes resultados globales:
**Tabla 23.** *Resumen de la ejecución del experimento.*
**Tabla 32.** *Resumen de la ejecución del experimento.*
| Métrica | Valor |
|---------|-------|
@@ -603,7 +603,7 @@ El experimento se ejecutó exitosamente con los siguientes resultados globales:
Del archivo CSV de resultados (`src/results/raytune_paddle_results_20260119_122609.csv`):
**Tabla 24.** *Estadísticas descriptivas de los 64 trials.*
**Tabla 33.** *Estadísticas descriptivas de los 64 trials.*
| Estadística | CER | WER | Tiempo/Página (s) |
|-------------|-----|-----|-------------------|
@@ -626,7 +626,7 @@ Del archivo CSV de resultados (`src/results/raytune_paddle_results_20260119_1226
#### Distribución de Resultados
**Tabla 25.** *Distribución de trials por rango de CER.*
**Tabla 34.** *Distribución de trials por rango de CER.*
| Rango CER | Número de trials | Porcentaje |
|-----------|------------------|------------|
@@ -637,6 +637,24 @@ Del archivo CSV de resultados (`src/results/raytune_paddle_results_20260119_1226
*Fuente: Elaboración propia a partir de `src/results/raytune_paddle_results_20260119_122609.csv`.*
```mermaid
---
title: "Distribución de trials por rango de CER"
config:
theme: base
themeVariables:
primaryColor: "#E6F4F9"
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
---
pie showData
title Distribución de 64 trials
"CER < 2%" : 43
"CER 2-5%" : 10
"CER 5-10%" : 11
```
La mayoría de trials (67.2%) alcanzaron CER < 2%, cumpliendo el objetivo establecido. Ningún trial presentó fallos catastróficos (CER > 10%), demostrando la estabilidad de la optimización con GPU.
#### Mejor Configuración Encontrada
@@ -657,7 +675,7 @@ Configuración óptima:
text_rec_score_thresh: 0.5658
```
**Tabla 26.** *Configuración óptima identificada.*
**Tabla 35.** *Configuración óptima identificada.*
| Parámetro | Valor óptimo | Valor por defecto | Cambio |
|-----------|--------------|-------------------|--------|
@@ -675,7 +693,7 @@ Configuración óptima:
Se calculó la correlación de Pearson entre los parámetros continuos y las métricas de error:
**Tabla 27.** *Correlación de parámetros con CER.*
**Tabla 36.** *Correlación de parámetros con CER.*
| Parámetro | Correlación con CER | Interpretación |
|-----------|---------------------|----------------|
@@ -686,7 +704,7 @@ Se calculó la correlación de Pearson entre los parámetros continuos y las mé
*Fuente: Análisis de [`src/results/`](https://seryus.ddns.net/unir/MastersThesis/-/tree/main/src/results) generados por [`src/run_tuning.py`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/run_tuning.py).*
**Tabla 28.** *Correlación de parámetros con WER.*
**Tabla 37.** *Correlación de parámetros con WER.*
| Parámetro | Correlación con WER | Interpretación |
|-----------|---------------------|----------------|
@@ -696,13 +714,34 @@ Se calculó la correlación de Pearson entre los parámetros continuos y las mé
*Fuente: Análisis de [`src/results/`](https://seryus.ddns.net/unir/MastersThesis/-/tree/main/src/results) generados por [`src/run_tuning.py`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/run_tuning.py).*
```mermaid
---
title: "Correlación de hiperparámetros con CER"
config:
theme: base
themeVariables:
primaryColor: "#E6F4F9"
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta
x-axis ["text_det_thresh", "text_det_box_thresh", "text_rec_score_thresh"]
y-axis "Correlación con CER" -0.6 --> 0.3
bar [-0.523, 0.226, -0.161]
```
*Leyenda: Valores negativos indican que aumentar el parámetro reduce el CER. El parámetro `text_det_thresh` tiene la correlación más fuerte (-0.52).*
**Hallazgo clave**: El parámetro `text_det_thresh` muestra la correlación más fuerte (-0.52 con ambas métricas), indicando que valores más altos de este umbral tienden a reducir el error. Este umbral controla qué píxeles se consideran "texto" en el mapa de probabilidad del detector.
#### Impacto del Parámetro textline_orientation
El parámetro booleano `textline_orientation` demostró tener el mayor impacto en el rendimiento:
**Tabla 29.** *Impacto del parámetro textline_orientation.*
**Tabla 38.** *Impacto del parámetro textline_orientation.*
| textline_orientation | CER Medio | CER Std | WER Medio | N trials |
|---------------------|-----------|---------|-----------|----------|
@@ -729,6 +768,8 @@ config:
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta
x-axis ["textline_orientation=False", "textline_orientation=True"]
@@ -744,7 +785,7 @@ El parámetro `textline_orientation` activa un clasificador que determina la ori
Los trials con CER muy alto (>20%) presentaron patrones específicos:
**Tabla 30.** *Características de trials con fallos catastróficos.*
**Tabla 39.** *Características de trials con fallos catastróficos.*
| Trial | CER | text_det_thresh | textline_orientation | Diagnóstico |
|-------|-----|-----------------|---------------------|-------------|
@@ -771,7 +812,7 @@ Los trials con CER muy alto (>20%) presentaron patrones específicos:
La configuración óptima identificada se evaluó sobre el dataset completo de 45 páginas, comparando con la configuración baseline (valores por defecto de PaddleOCR). Los parámetros optimizados más relevantes fueron: `textline_orientation=True`, `use_doc_orientation_classify=True`, `text_det_thresh=0.0462`, `text_det_box_thresh=0.4862`, y `text_rec_score_thresh=0.5658`.
**Tabla 31.** *Comparación baseline vs optimizado (45 páginas).*
**Tabla 40.** *Comparación baseline vs optimizado (45 páginas).*
| Modelo | CER | Precisión Caracteres | WER | Precisión Palabras |
|--------|-----|---------------------|-----|-------------------|
@@ -784,7 +825,7 @@ La configuración óptima identificada se evaluó sobre el dataset completo de 4
#### Métricas de Mejora
**Tabla 32.** *Análisis cuantitativo de la mejora.*
**Tabla 41.** *Análisis cuantitativo de la mejora.*
| Forma de Medición | CER | WER |
|-------------------|-----|-----|
@@ -807,6 +848,8 @@ config:
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta
x-axis ["CER Baseline", "CER Optimizado", "WER Baseline", "WER Optimizado"]
@@ -835,7 +878,7 @@ xychart-beta
### Tiempo de Ejecución
**Tabla 33.** *Métricas de tiempo del experimento (GPU).*
**Tabla 42.** *Métricas de tiempo del experimento (GPU).*
| Métrica | Valor |
|---------|-------|
@@ -871,7 +914,7 @@ Los resultados obtenidos en las secciones anteriores requieren un análisis que
#### Progresión del Rendimiento
**Tabla 34.** *Evolución del rendimiento a través del estudio.*
**Tabla 43.** *Evolución del rendimiento a través del estudio.*
| Fase | Configuración | CER | Mejora vs anterior |
|------|--------------|-----|-------------------|
@@ -881,11 +924,32 @@ Los resultados obtenidos en las secciones anteriores requieren un análisis que
*Fuente: Elaboración propia.*
```mermaid
---
title: "Evolución del CER a través del estudio"
config:
theme: base
themeVariables:
primaryColor: "#E6F4F9"
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta
x-axis ["Baseline", "Mejor trial (5 pág)", "Validación (45 pág)"]
y-axis "CER (%)" 0 --> 10
bar [8.85, 0.79, 7.72]
```
*Leyenda: El mejor trial alcanza CER 0.79% (objetivo cumplido). La validación sobre dataset completo muestra CER 7.72%, evidenciando sobreajuste al subconjunto de optimización.*
El incremento del CER de 0.79% (5 páginas) a 7.72% (45 páginas) evidencia sobreajuste al subconjunto de optimización. Este fenómeno es esperado cuando se optimiza sobre un subconjunto pequeño y se valida sobre el dataset completo con mayor diversidad de layouts.
#### Comparación con Objetivo
**Tabla 35.** *Verificación del objetivo general.*
**Tabla 44.** *Verificación del objetivo general.*
| Aspecto | Objetivo | Resultado (trial) | Resultado (full) | Cumplimiento |
|---------|----------|-------------------|------------------|--------------|
@@ -904,7 +968,7 @@ El incremento del CER de 0.79% (5 páginas) a 7.72% (45 páginas) evidencia sobr
Basándose en el análisis de los resultados de optimización:
**Tabla 36.** *Ranking de importancia de hiperparámetros.*
**Tabla 45.** *Ranking de importancia de hiperparámetros.*
| Rank | Parámetro | Impacto | Evidencia |
|------|-----------|---------|-----------|
@@ -917,6 +981,27 @@ Basándose en el análisis de los resultados de optimización:
*Fuente: Elaboración propia basada en [`src/results/raytune_paddle_results_20260119_122609.csv`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/results/raytune_paddle_results_20260119_122609.csv).*
```mermaid
---
title: "Ranking de importancia de hiperparámetros"
config:
theme: base
themeVariables:
primaryColor: "#E6F4F9"
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta horizontal
x-axis ["use_doc_unwarping", "text_rec_score_thresh", "text_det_box_thresh", "text_det_thresh", "use_doc_orientation", "textline_orientation"]
y-axis "Impacto relativo" 0 --> 100
bar [0, 30, 40, 70, 80, 100]
```
*Leyenda: Impacto relativo estimado basado en análisis de correlación y presencia en configuraciones óptimas. `textline_orientation` es el parámetro más crítico.*
#### Análisis del Parámetro textline_orientation
**Por qué es tan importante:**
@@ -969,7 +1054,7 @@ Para documentos PDF digitales como los evaluados, este módulo es innecesario y
#### Clasificación de Errores
**Tabla 37.** *Tipología de errores observados.*
**Tabla 46.** *Tipología de errores observados.*
| Tipo de error | Frecuencia | Ejemplo | Causa probable |
|---------------|------------|---------|----------------|
@@ -983,7 +1068,7 @@ Para documentos PDF digitales como los evaluados, este módulo es innecesario y
#### Patrones de Fallo por Tipo de Contenido
**Tabla 38.** *Tasa de error por tipo de contenido.*
**Tabla 47.** *Tasa de error por tipo de contenido.*
| Tipo de contenido | CER estimado | Factor de riesgo |
|-------------------|--------------|------------------|
@@ -998,7 +1083,7 @@ Para documentos PDF digitales como los evaluados, este módulo es innecesario y
### Comparación con Objetivos Específicos
**Tabla 39.** *Cumplimiento de objetivos específicos.*
**Tabla 48.** *Cumplimiento de objetivos específicos.*
| Objetivo | Descripción | Resultado | Estado |
|----------|-------------|-----------|--------|
@@ -1044,7 +1129,7 @@ Para documentos PDF digitales como los evaluados, este módulo es innecesario y
Para documentos académicos en español similares a los evaluados:
**Tabla 40.** *Configuración recomendada para PaddleOCR con GPU.*
**Tabla 49.** *Configuración recomendada para PaddleOCR con GPU.*
| Parámetro | Valor | Prioridad | Justificación |
|-----------|-------|-----------|---------------|
@@ -1108,7 +1193,7 @@ Esta sección presenta la comparación de rendimiento entre ejecución en CPU y
#### Configuración del Entorno GPU
**Tabla 41.** *Especificaciones del entorno GPU utilizado.*
**Tabla 50.** *Especificaciones del entorno GPU utilizado.*
| Componente | Especificación |
|------------|----------------|
@@ -1126,7 +1211,7 @@ Este hardware representa configuración típica de desarrollo, permitiendo evalu
Se comparó el tiempo de procesamiento entre CPU y GPU utilizando los datos de [`src/raytune_paddle_subproc_results_20251207_192320.csv`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/raytune_paddle_subproc_results_20251207_192320.csv) (CPU) y [`src/results/raytune_paddle_results_20260119_122609.csv`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/results/raytune_paddle_results_20260119_122609.csv) (GPU).
**Tabla 42.** *Rendimiento comparativo CPU vs GPU.*
**Tabla 51.** *Rendimiento comparativo CPU vs GPU.*
| Métrica | CPU | GPU (RTX 3060) | Factor de Aceleración |
|---------|-----|----------------|----------------------|
@@ -1136,6 +1221,27 @@ Se comparó el tiempo de procesamiento entre CPU y GPU utilizando los datos de [
*Fuente: Elaboración propia a partir de [`src/raytune_paddle_subproc_results_20251207_192320.csv`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/raytune_paddle_subproc_results_20251207_192320.csv) y [`src/results/raytune_paddle_results_20260119_122609.csv`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/results/raytune_paddle_results_20260119_122609.csv).*
```mermaid
---
title: "Tiempo de procesamiento: CPU vs GPU (segundos/página)"
config:
theme: base
themeVariables:
primaryColor: "#E6F4F9"
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta
x-axis ["CPU", "GPU (RTX 3060)"]
y-axis "Segundos por página" 0 --> 75
bar [69.4, 0.84]
```
*Leyenda: Aceleración de **82×** con GPU. El procesamiento de una página pasa de 69.4s (CPU) a 0.84s (GPU).*
La aceleración de 82× obtenida con GPU transforma la viabilidad del enfoque:
- **Optimización en CPU (6.4 horas)**: Viable pero lento para iteraciones rápidas
- **Optimización en GPU (1.5 horas)**: Permite explorar más configuraciones y realizar múltiples experimentos
@@ -1145,7 +1251,7 @@ La aceleración de 82× obtenida con GPU transforma la viabilidad del enfoque:
PaddleOCR ofrece dos variantes de modelos: Mobile (optimizados para dispositivos con recursos limitados) y Server (mayor precisión a costa de mayor consumo de memoria). Se evaluó la viabilidad de ambas variantes en el hardware disponible.
**Tabla 43.** *Comparación de modelos Mobile vs Server en RTX 3060.*
**Tabla 52.** *Comparación de modelos Mobile vs Server en RTX 3060.*
| Modelo | VRAM Requerida | Resultado | Recomendación |
|--------|----------------|-----------|---------------|

4
docs/05_conclusiones_trabajo_futuro.md
View File

@@ -10,7 +10,7 @@ Los resultados obtenidos confirman que la optimización sistemática de hiperpar
El objetivo principal del trabajo era alcanzar un CER inferior al 2% en documentos académicos en español. Los resultados obtenidos se resumen a continuación:
**Tabla 44.** *Cumplimiento del objetivo de CER.*
**Tabla 53.** *Cumplimiento del objetivo de CER.*
| Métrica | Objetivo | Mejor Trial | Dataset Completo | Cumplimiento |
|---------|----------|-------------|------------------|--------------|
@@ -50,7 +50,7 @@ En segundo lugar, el análisis sistemático de los hiperparámetros de PaddleOCR
Como resultado práctico, se aporta una configuración validada específicamente para documentos académicos en español. Aunque la generalización a otros tipos de documentos requiere validación adicional, esta configuración representa un punto de partida sólido para aplicaciones en el ámbito hispanohablante.
Por último, todo el código fuente, las imágenes Docker y los datos experimentales están disponibles públicamente en el repositorio GitHub del proyecto, facilitando así la reproducción, verificación y extensión de este trabajo por parte de otros investigadores.
Por último, todo el código fuente, las imágenes Docker y los datos experimentales están disponibles públicamente en el repositorio del proyecto, facilitando así la reproducción, verificación y extensión de este trabajo por parte de otros investigadores.
### Limitaciones del Trabajo

105
docs/07_anexo_a.md
View File

@@ -76,7 +76,7 @@ flowchart TB
end
```
**Tabla A5.** *Descripción de directorios principales.*
**Tabla A1.** *Descripción de directorios principales.*
| Directorio | Contenido |
|------------|-----------|
@@ -96,7 +96,7 @@ flowchart TB
### Sistema de Desarrollo
**Tabla A1.** *Especificaciones del sistema de desarrollo.*
**Tabla A2.** *Especificaciones del sistema de desarrollo.*
| Componente | Especificación |
|------------|----------------|
@@ -110,7 +110,7 @@ flowchart TB
### Dependencias
**Tabla A2.** *Dependencias del proyecto.*
**Tabla A3.** *Dependencias del proyecto.*
| Componente | Versión |
|------------|---------|
@@ -231,7 +231,7 @@ analyze_results(results, prefix='raytune_paddle', config_keys=PADDLE_OCR_CONFIG_
### Servicios y Puertos
**Tabla A3.** *Servicios Docker y puertos.*
**Tabla A4.** *Servicios Docker y puertos.*
| Servicio | Puerto | Script de Ajuste | Nota |
|----------|--------|------------------|------|
@@ -245,22 +245,95 @@ analyze_results(results, prefix='raytune_paddle', config_keys=PADDLE_OCR_CONFIG_
## A.7 Métricas de Rendimiento
Los resultados detallados de las evaluaciones y ajustes de hiperparámetros se encuentran en:
Esta sección presenta los resultados completos de las evaluaciones comparativas y del ajuste de hiperparámetros realizado con Ray Tune sobre los tres servicios OCR evaluados.
- [Métricas Generales](metrics/metrics.md) - Comparativa de los tres servicios
- [PaddleOCR](metrics/metrics_paddle.md) - Mejor precisión (8.85% CER baseline, **7.72% optimizado**, **0.79% mejor trial**)
- [DocTR](metrics/metrics_doctr.md) - Más rápido (0.50s/página)
- [EasyOCR](metrics/metrics_easyocr.md) - Balance intermedio
### Comparativa General de Servicios
### Resumen de Resultados
**Tabla A5.** *Comparativa de servicios OCR en dataset de 45 páginas (GPU RTX 3060).*
**Tabla A4.** *Resumen de resultados del benchmark por servicio.*
| Servicio | CER | WER | Tiempo/Página | Tiempo Total | VRAM |
|----------|-----|-----|---------------|--------------|------|
| **PaddleOCR (Mobile)** | **7.76%** | **11.62%** | 0.58s | 32.0s | 0.06 GB |
| EasyOCR | 11.23% | 36.36% | 1.88s | 88.5s | ~2 GB |
| DocTR | 12.06% | 42.01% | 0.50s | 28.4s | ~1 GB |
| Servicio | CER Base | CER Ajustado | Mejora |
|----------|----------|--------------|--------|
| **PaddleOCR** | 8.85% | **7.72%** | 12.8% |
| DocTR | 12.06% | 12.07% | 0% |
| EasyOCR | 11.23% | 11.14% | 0.8% |
*Fuente: Benchmark realizado el 2026-01-19. Elaboración propia.*
**Ganador:** PaddleOCR (Mobile) - Mejor precisión (7.76% CER) con velocidad competitiva y mínimo consumo de VRAM.
### Resultados de Ajuste de Hiperparámetros
Se ejecutaron 64 trials por servicio utilizando Ray Tune con Optuna sobre las páginas 5-10 del primer documento.
**Tabla A6.** *Resultados del ajuste de hiperparámetros por servicio.*
| Servicio | CER Base | CER Ajustado | Mejora | Mejor Trial (5 páginas) |
|----------|----------|--------------|--------|-------------------------|
| **PaddleOCR** | 8.85% | **7.72%** | **12.8%** | **0.79%** ✓ |
| DocTR | 12.06% | 12.07% | 0% | 7.43% |
| EasyOCR | 11.23% | 11.14% | 0.8% | 5.83% |
*Fuente: Resultados de 64 trials Ray Tune por servicio. Elaboración propia.*
> **Nota sobre sobreajuste:** La diferencia entre los resultados del mejor trial (subconjunto de 5 páginas) y el dataset completo (45 páginas) indica sobreajuste parcial a las páginas de ajuste. Un subconjunto más grande (15-20 páginas) mejoraría la generalización.
### Configuración Óptima PaddleOCR
La siguiente configuración logró el mejor rendimiento en el ajuste de hiperparámetros:
```json
{
"use_doc_orientation_classify": true,
"use_doc_unwarping": false,
"textline_orientation": true,
"text_det_thresh": 0.0462,
"text_det_box_thresh": 0.4862,
"text_det_unclip_ratio": 0.0,
"text_rec_score_thresh": 0.5658
}
```
**Hallazgos clave:**
- `textline_orientation=true`: Crítico para documentos con layouts mixtos
- `use_doc_orientation_classify=true`: Mejora detección de orientación
- `use_doc_unwarping=false`: Innecesario para PDFs digitales
- `text_det_thresh` bajo (0.0462): Detección más sensible mejora resultados
### Rendimiento CPU vs GPU
**Tabla A7.** *Comparación de rendimiento CPU vs GPU (PaddleOCR).*
| Métrica | CPU | GPU (RTX 3060) | Aceleración |
|---------|-----|----------------|-------------|
| Tiempo/Página | 69.4s | 0.55s | **126x más rápido** |
| Mejor CER | 1.15% | 0.79% | GPU mejor |
| 45 páginas | ~52 min | ~25 seg | **126x más rápido** |
*Fuente: Datos CPU de `raytune_paddle_subproc_results_20251207_192320.csv`. Elaboración propia.*
### Análisis de Errores por Servicio
**Tabla A8.** *Tipos de errores identificados por servicio OCR.*
| Servicio | Fortalezas | Debilidades | ¿Fine-tuning recomendado? |
|----------|------------|-------------|---------------------------|
| **PaddleOCR** | Preserva estructura, buen manejo de español | Errores menores de acentos (~5%) | No (ya excelente) |
| DocTR | Más rápido | Pierde estructura, omite TODOS los diacríticos | Sí (para diacríticos) |
| EasyOCR | Modelo correcto para español | Caracteres espurios, confunde `o`/`0` | Sí (problemas del detector) |
*Fuente: Análisis manual del debugset. Elaboración propia.*
### Archivos de Resultados
Los resultados crudos de los 64 trials por servicio están disponibles en el repositorio:
**Tabla A9.** *Ubicación de archivos de resultados.*
| Servicio | Archivo CSV |
|----------|-------------|
| PaddleOCR | [`src/results/raytune_paddle_results_20260119_122609.csv`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/results/raytune_paddle_results_20260119_122609.csv) |
| DocTR | [`src/results/raytune_doctr_results_20260119_121445.csv`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/results/raytune_doctr_results_20260119_121445.csv) |
| EasyOCR | [`src/results/raytune_easyocr_results_20260119_120204.csv`](https://seryus.ddns.net/unir/MastersThesis/-/blob/main/src/results/raytune_easyocr_results_20260119_120204.csv) |
*Fuente: Elaboración propia.*

33
docs/metrics/metrics.md
View File

@@ -75,6 +75,17 @@ La fase de optimización representa el **resultado principal del TFM** (CER 1.49
### Comparación de Precisión (CER - menor es mejor)
```mermaid
---
config:
theme: base
themeVariables:
primaryColor: "#E6F4F9"
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta
title "Tasa de Error de Caracteres por Servicio"
x-axis ["PaddleOCR", "EasyOCR", "DocTR"]
@@ -85,6 +96,17 @@ xychart-beta
### Comparación de Velocidad (Tiempo por Página)
```mermaid
---
config:
theme: base
themeVariables:
primaryColor: "#E6F4F9"
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta
title "Tiempo de Procesamiento por Página (segundos)"
x-axis ["DocTR", "PaddleOCR", "EasyOCR"]
@@ -167,6 +189,17 @@ Datos de `raytune_paddle_subproc_results_20251207_192320.csv` (CPU) vs RTX 3060
| **45 páginas** | ~52 min | ~25 seg | **126x más rápido** |
```mermaid
---
config:
theme: base
themeVariables:
primaryColor: "#E6F4F9"
primaryTextColor: "#404040"
primaryBorderColor: "#0098CD"
lineColor: "#0098CD"
xyChart:
plotColorPalette: "#0098CD"
---
xychart-beta
title "Tiempo de Procesamiento por Página: CPU vs GPU"
x-axis ["CPU", "GPU (RTX 3060)"]