char colors

docs/02_contexto_estado_arte.md

@@ -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 |
 |---------|---------|--------------|