test

2025-12-16 00:00:58 +01:00
parent 647a8d1c7b
commit 5862a69ac2
4 changed files with 112 additions and 35 deletions
--- a/README.md
+++ b/README.md
@@ -70,8 +70,8 @@ PDF (académico UNIR)

 ```
 MastersThesis/
-├── docs/                    # Capítulos del TFM (estructura UNIR)
-│   ├── 00_resumen.md                      # Resumen + Abstract
+├── docs/                    # Capítulos del TFM en Markdown (estructura UNIR)
+│   ├── 00_resumen.md                      # Resumen + Abstract + Keywords
 │   ├── 01_introduccion.md                 # Cap. 1: Introducción (1.1-1.3)
 │   ├── 02_contexto_estado_arte.md         # Cap. 2: Contexto y estado del arte (2.1-2.3)
 │   ├── 03_objetivos_metodologia.md        # Cap. 3: Objetivos y metodología (3.1-3.4)
@@ -79,6 +79,11 @@ MastersThesis/
 │   ├── 05_conclusiones_trabajo_futuro.md  # Cap. 5: Conclusiones (5.1-5.2)
 │   ├── 06_referencias_bibliograficas.md   # Referencias bibliográficas (APA)
 │   └── 07_anexo_a.md                      # Anexo A: Código fuente y datos
+├── thesis_output/           # Documento final generado
+│   ├── plantilla_individual.htm           # TFM completo (abrir en Word)
+│   └── figures/                           # Figuras generadas desde Mermaid
+│       ├── figura_1.png ... figura_7.png
+│       └── figures_manifest.json
 ├── src/
 │   ├── paddle_ocr_fine_tune_unir_raytune.ipynb  # Experimento principal
 │   ├── paddle_ocr_tuning.py                      # Script de evaluación CLI
@@ -90,6 +95,8 @@ MastersThesis/
 │   ├── instrucciones.pdf
 │   ├── plantilla_individual.pdf
 │   └── plantilla_individual.htm
+├── apply_content.py         # Genera documento TFM desde docs/ + plantilla
+├── generate_mermaid_figures.py  # Convierte diagramas Mermaid a PNG
 ├── ocr_benchmark_notebook.ipynb  # Benchmark comparativo inicial
 └── README.md
 ```
@@ -154,6 +161,32 @@ python src/paddle_ocr_tuning.py \

 ---

+## Generación del Documento TFM
+
+### Generar documento Word desde Markdown
+
+```bash
+# 1. Generar figuras desde diagramas Mermaid
+python3 generate_mermaid_figures.py
+
+# 2. Aplicar contenido de docs/ a la plantilla UNIR
+python3 apply_content.py
+
+# 3. Abrir en Word y actualizar índices
+# - Abrir thesis_output/plantilla_individual.htm en Microsoft Word
+# - Presionar Ctrl+A luego F9 para actualizar todos los índices
+# - Guardar como .docx
+```
+
+**Contenido generado automáticamente:**
+- 30 tablas con formato `Piedefoto-tabla` (Tabla X. *Título* + Fuente)
+- 7 figuras desde Mermaid con formato `Piedefoto-tabla` (Figura X. *Título* + Fuente)
+- 25 referencias en formato APA con sangría francesa
+- Resumen y Abstract con palabras clave reales
+- Eliminación automática de textos de instrucción de la plantilla
+
+---
+
 ## Trabajo Pendiente para Completar el TFM

 ### Contexto: Limitaciones de Hardware
@@ -165,6 +198,13 @@ Este trabajo adoptó la estrategia de **optimización de hiperparámetros** en l

 La optimización de hiperparámetros demostró ser una **alternativa efectiva** al fine-tuning, logrando una reducción del 80.9% en el CER sin reentrenar el modelo.

+### Tareas Completadas
+
+- [x] **Estructura docs/ según plantilla UNIR**: Todos los capítulos siguen numeración exacta (1.1, 1.2, etc.)
+- [x] **Añadir diagramas Mermaid**: 7 diagramas añadidos (pipeline OCR, arquitectura Ray Tune, gráficos de comparación)
+- [x] **Generar documento TFM unificado**: Script `apply_content.py` genera documento completo desde docs/
+- [x] **Convertir Mermaid a PNG**: Script `generate_mermaid_figures.py` genera figuras automáticamente
+
 ### Tareas Pendientes

 #### 1. Validación del Enfoque (Prioridad Alta)
@@ -178,9 +218,8 @@ La optimización de hiperparámetros demostró ser una **alternativa efectiva**
 - [ ] **Evaluación con GPU**: Medir tiempos de inferencia con aceleración GPU para escenarios de producción

 #### 3. Documentación y Presentación (Prioridad Alta)
- [ ] **Completar memoria TFM**: Unificar los capítulos del directorio `docs/` en documento final siguiendo plantilla UNIR
 - [ ] **Crear presentación**: Preparar slides para la defensa del TFM
- [x] **Añadir diagramas y figuras**: ~~Incluir visualizaciones de los resultados de Ray Tune~~ (completado: 4 diagramas Mermaid añadidos)
+- [ ] **Revisión final del documento**: Verificar formato, índices y contenido en Word

 #### 4. Extensiones Futuras (Opcional)
 - [ ] **Herramienta de configuración automática**: Desarrollar una herramienta que determine automáticamente la configuración óptima para un nuevo tipo de documento
@@ -189,9 +228,9 @@ La optimización de hiperparámetros demostró ser una **alternativa efectiva**

 ### Recomendación de Próximos Pasos

-1. **Inmediato**: Validar en 2-3 tipos de documentos adicionales para demostrar generalización
-2. **Corto plazo**: Ampliar dataset y revisar ground truth manualmente
-3. **Para la defensa**: Completar memoria unificada y crear presentación con visualizaciones
+1. **Inmediato**: Abrir documento generado en Word, actualizar índices (Ctrl+A, F9), guardar como .docx
+2. **Corto plazo**: Validar en 2-3 tipos de documentos adicionales para demostrar generalización
+3. **Para la defensa**: Crear presentación con visualizaciones de resultados

 ---

--- a/apply_content.py
+++ b/apply_content.py
@@ -456,6 +456,30 @@ def main():

    # Clear old figure/table index entries (they need to be regenerated in Word)
    print("Clearing old index entries...")
+
+    # Remove ALL content from MsoTof paragraphs that reference template examples
+    # The indices will be regenerated when user opens in Word and presses Ctrl+A, F9
+    for p in soup.find_all('p', class_='MsoTof'):
+        text = p.get_text()
+        # Check for figure index entries with template examples
+        if 'Figura' in text and 'Ejemplo' in text:
+            # Remove all <a> tags (the actual index entry links)
+            for a in p.find_all('a'):
+                a.decompose()
+            # Also remove any remaining text content that shows the example
+            for span in p.find_all('span', style=lambda x: x and 'mso-no-proof' in str(x)):
+                if 'Ejemplo' in span.get_text():
+                    span.decompose()
+            print("    ✓ Cleared figure index example entry")
+        # Check for table index entries with template examples
+        if 'Tabla' in text and 'Ejemplo' in text:
+            for a in p.find_all('a'):
+                a.decompose()
+            for span in p.find_all('span', style=lambda x: x and 'mso-no-proof' in str(x)):
+                if 'Ejemplo' in span.get_text():
+                    span.decompose()
+            print("    ✓ Cleared table index example entry")
+
    # Remove old figure index entries that reference template examples
    for p in soup.find_all('p', class_='MsoToc3'):
        text = p.get_text()
--- a/claude.md
+++ b/claude.md
@@ -59,6 +59,11 @@ MastersThesis/
 │   ├── 05_conclusiones_trabajo_futuro.md  # 5. Conclusiones (5.1, 5.2)
 │   ├── 06_referencias_bibliograficas.md   # Referencias bibliográficas (APA format)
 │   └── 07_anexo_a.md                      # Anexo A: Código fuente y datos
+├── thesis_output/           # Generated thesis document
+│   ├── plantilla_individual.htm           # Complete TFM (open in Word)
+│   └── figures/                           # PNG figures from Mermaid diagrams
+│       ├── figura_1.png ... figura_7.png
+│       └── figures_manifest.json
 ├── src/
 │   ├── paddle_ocr_fine_tune_unir_raytune.ipynb  # Main experiment (64 trials)
 │   ├── paddle_ocr_tuning.py                      # CLI evaluation script
@@ -69,7 +74,9 @@ MastersThesis/
 ├── instructions/            # UNIR instructions and template
 │   ├── instrucciones.pdf         # TFE writing guidelines
 │   ├── plantilla_individual.pdf  # Word template (PDF version)
-│   └── plantilla_individual.htm  # Word template (HTML version, readable)
+│   └── plantilla_individual.htm  # Word template (HTML version, source)
+├── apply_content.py         # Generates TFM document from docs/ + template
+├── generate_mermaid_figures.py  # Converts Mermaid diagrams to PNG
 ├── ocr_benchmark_notebook.ipynb  # Initial OCR benchmark
 └── README.md
 ```
@@ -115,19 +122,48 @@ The template (`plantilla_individual.pdf`) requires **5 chapters**. The docs/ fil

 ### Completed Tasks
 - [x] **Structure docs/ to match UNIR template** - All chapters now follow exact numbering (1.1, 1.2, etc.)
- [x] **Add Mermaid diagrams** - 4 diagrams added (OCR pipeline, Ray Tune architecture, CER comparison charts)
+- [x] **Add Mermaid diagrams** - 7 diagrams added (OCR pipeline, Ray Tune architecture, methodology flowcharts, CER comparison charts)
+- [x] **Generate unified thesis document** - `apply_content.py` generates complete document from docs/
+- [x] **Convert Mermaid to PNG** - `generate_mermaid_figures.py` generates figures automatically
+- [x] **Proper template formatting** - Tables/figures use `Piedefoto-tabla` class, references use `MsoBibliography`

 ### Priority Tasks
 1. **Validate on other document types** - Test optimal config on invoices, forms, contracts
 2. **Expand dataset** - Current dataset has only 24 pages
-3. **Complete unified thesis document** - Merge docs/ chapters into final UNIR Word format
-4. **Create presentation slides** - For thesis defense
+3. **Create presentation slides** - For thesis defense
+4. **Final document review** - Open in Word, update indices (Ctrl+A, F9), verify formatting

 ### Optional Extensions
 - Explore `text_det_unclip_ratio` parameter (was fixed at 0.0)
 - Compare with actual fine-tuning (if GPU access obtained)
 - Multi-objective optimization (CER + WER + inference time)

+## Thesis Document Generation
+
+To regenerate the thesis document:
+
+```bash
+# 1. Generate PNG figures from Mermaid diagrams
+python3 generate_mermaid_figures.py
+
+# 2. Apply docs/ content to UNIR template
+python3 apply_content.py
+
+# 3. Open in Word and finalize
+# - Open thesis_output/plantilla_individual.htm in Microsoft Word
+# - Press Ctrl+A then F9 to update all indices
+# - Save as .docx
+```
+
+**What `apply_content.py` does:**
+- Replaces Resumen and Abstract with actual content + keywords
+- Replaces all 5 chapters with content from docs/
+- Replaces Referencias with APA-formatted bibliography
+- Replaces Anexo with repository information
+- Converts Mermaid diagrams to embedded PNG images
+- Formats tables with `Piedefoto-tabla` captions and sources
+- Removes template instruction text ("Importante:", "Ejemplo de nota al pie", etc.)
+
 ---

 ## UNIR TFE Document Guidelines
--- a/thesis_output/plantilla_individual.htm
+++ b/thesis_output/plantilla_individual.htm
@@ -4496,18 +4496,7 @@ mso-ascii-theme-font:minor-latin;mso-hansi-theme-font:minor-latin;mso-bidi-font-
 lang=ES style='mso-bidi-font-family:Arial;background:yellow;mso-highlight:yellow'><span
 style='mso-element:field-begin'></span><span
 style='mso-spacerun:yes'> </span>TOC \f c \h \z \t &quot;Título
-9;1;Figuras;1&quot; \c &quot;Figura&quot; <span style='mso-element:field-separator'></span></span><![endif]--><span lang="ES"><a href="#_Toc155946760"><span style="mso-no-proof:yes">Figura 1. <i>Ejemplo
-de figura realizada para nuestro trabajo.</i></span><span style="color:windowtext;
-display:none;mso-hide:screen;mso-no-proof:yes;text-decoration:none;text-underline:
-none"><span style="mso-tab-count:1 dotted"> </span></span><!--[if supportFields]><span
-style='color:windowtext;display:none;mso-hide:screen;mso-no-proof:yes;
-text-decoration:none;text-underline:none'><span style='mso-element:field-begin'></span>
-PAGEREF _Toc155946760 \h <span style='mso-element:field-separator'></span></span><![endif]--><span style="color:windowtext;display:none;mso-hide:screen;mso-no-proof:yes;
-text-decoration:none;text-underline:none">2<!--[if gte mso 9]><xml>
- <w:data>08D0C9EA79F9BACE118C8200AA004BA90B02000000080000000E0000005F0054006F0063003100350035003900340036003700360030000000</w:data>
-</xml><![endif]--></span><!--[if supportFields]><span style='color:windowtext;
-display:none;mso-hide:screen;mso-no-proof:yes;text-decoration:none;text-underline:
-none'><span style='mso-element:field-end'></span></span><![endif]--></a></span><span lang="ES" style='mso-fareast-font-family:"Times New Roman";mso-fareast-theme-font:
+9;1;Figuras;1&quot; \c &quot;Figura&quot; <span style='mso-element:field-separator'></span></span><![endif]--><span lang="ES"></span><span lang="ES" style='mso-fareast-font-family:"Times New Roman";mso-fareast-theme-font:
 minor-fareast;mso-bidi-font-family:"Times New Roman";mso-bidi-theme-font:minor-bidi;
 mso-font-kerning:1.0pt;mso-ligatures:standardcontextual;mso-no-proof:yes'><o:p></o:p></span></p>
 <p class="Ttulondices"><!--[if supportFields]><span lang=ES style='background:
@@ -4516,18 +4505,7 @@ yellow;mso-highlight:yellow'><span style='mso-element:field-end'></span></span><
 <p class="MsoTof" style="tab-stops:right dotted 453.05pt"><!--[if supportFields]><b
 style='mso-bidi-font-weight:normal'><span lang=ES><span style='mso-element:
 field-begin'></span><span style='mso-spacerun:yes'> </span>TOC \h \z \t
-&quot;Tablas;1&quot; \c &quot;Tabla&quot; <span style='mso-element:field-separator'></span></span></b><![endif]--><span lang="ES"><a href="#_Toc158282432"><span style="mso-no-proof:yes">Tabla 1. <i>Ejemplo
-de tabla con sus principales elementos.</i></span><span style="color:windowtext;
-display:none;mso-hide:screen;mso-no-proof:yes;text-decoration:none;text-underline:
-none"><span style="mso-tab-count:1 dotted"> </span></span><!--[if supportFields]><span
-style='color:windowtext;display:none;mso-hide:screen;mso-no-proof:yes;
-text-decoration:none;text-underline:none'><span style='mso-element:field-begin'></span>
-PAGEREF _Toc158282432 \h <span style='mso-element:field-separator'></span></span><![endif]--><span style="color:windowtext;display:none;mso-hide:screen;mso-no-proof:yes;
-text-decoration:none;text-underline:none">2<!--[if gte mso 9]><xml>
- <w:data>08D0C9EA79F9BACE118C8200AA004BA90B02000000080000000E0000005F0054006F0063003100350038003200380032003400330032000000</w:data>
-</xml><![endif]--></span><!--[if supportFields]><span style='color:windowtext;
-display:none;mso-hide:screen;mso-no-proof:yes;text-decoration:none;text-underline:
-none'><span style='mso-element:field-end'></span></span><![endif]--></a></span><span lang="ES" style='font-size:11.0pt;line-height:150%;mso-fareast-font-family:"Times New Roman";
+&quot;Tablas;1&quot; \c &quot;Tabla&quot; <span style='mso-element:field-separator'></span></span></b><![endif]--><span lang="ES"></span><span lang="ES" style='font-size:11.0pt;line-height:150%;mso-fareast-font-family:"Times New Roman";
 mso-fareast-theme-font:minor-fareast;mso-bidi-font-family:"Times New Roman";
 mso-bidi-theme-font:minor-bidi;mso-font-kerning:1.0pt;mso-ligatures:standardcontextual;
 mso-no-proof:yes'><o:p></o:p></span></p>