diff --git a/apply_content.py b/apply_content.py index 84bb22d..367e92c 100644 --- a/apply_content.py +++ b/apply_content.py @@ -92,9 +92,13 @@ def parse_md_to_html_blocks(md_content): mermaid_lines.append(lines[i]) i += 1 - # Try to extract title from mermaid content + # Try to extract title from mermaid content (YAML format: title: "...") mermaid_content = '\n'.join(mermaid_lines) - title_match = re.search(r'title\s+["\']?([^"\'"\n]+)["\']?', mermaid_content) + # Match YAML format: title: "Title" or title: 'Title' + title_match = re.search(r'title:\s*["\']([^"\']+)["\']', mermaid_content) + if not title_match: + # Fallback to non-YAML format: title "Title" + title_match = re.search(r'title\s+["\']?([^"\'"\n]+)["\']?', mermaid_content) if title_match: fig_title = title_match.group(1).strip() else: @@ -106,12 +110,13 @@ def parse_md_to_html_blocks(md_content): # Create figure with MsoCaption class and proper Word SEQ field for cross-reference # Format: "Figura X." in bold, title in italic (per UNIR guidelines) - bookmark_id = f"_TocFigura{figure_counter}" - html_blocks.append(f'''

Figura {figure_counter}. {fig_title}

''') + # Word TOC looks for text with Caption style - anchor must be outside main caption text + bookmark_id = f"_Ref_Fig{figure_counter}" + html_blocks.append(f'''

Figura {figure_counter}. {fig_title}

''') if os.path.exists(fig_path): - # Use actual image with proper Word-compatible format (max 350px width, 400px height to fit page with caption) - html_blocks.append(f'''

{fig_title}

''') + # Use Word-compatible width in cm (A4 text area is ~16cm wide, use ~12cm max) + html_blocks.append(f'''

{fig_title}

''') else: # Fallback to placeholder html_blocks.append(f'''

[Insertar diagrama Mermaid aquí]

''') @@ -189,12 +194,13 @@ def parse_md_to_html_blocks(md_content): # Add table title with MsoCaption class and proper Word SEQ field for cross-reference # Format: "Tabla X." in bold, title in italic (per UNIR guidelines) - bookmark_id = f"_TocTabla{table_counter}" + # Word TOC looks for text with Caption style - anchor must be outside main caption text + bookmark_id = f"_Ref_Tab{table_counter}" if table_title: clean_title = table_title.replace(f"Tabla {table_counter}.", "").strip() else: clean_title = "Tabla de datos." - html_blocks.append(f'''

Tabla {table_counter}. {clean_title}

''') + html_blocks.append(f'''

Tabla {table_counter}. {clean_title}

''') # Build table HTML with APA style (horizontal lines only, no vertical) table_html = '' diff --git a/generate_mermaid_figures.py b/generate_mermaid_figures.py index 0434b84..7753ec2 100644 --- a/generate_mermaid_figures.py +++ b/generate_mermaid_figures.py @@ -64,10 +64,10 @@ def convert_to_png(diagrams): with open(temp_file, 'w', encoding='utf-8') as f: f.write(diagram['code']) - # Convert using mmdc with higher resolution for better readability + # Convert using mmdc with moderate size for page fit try: result = subprocess.run( - [MMDC, '-i', temp_file, '-o', output_file, '-b', 'white', '-w', '1600', '-s', '2'], + [MMDC, '-i', temp_file, '-o', output_file, '-b', 'white', '-w', '800', '-s', '1.5'], capture_output=True, text=True, timeout=60 diff --git a/thesis_output/figures/figura_1.png b/thesis_output/figures/figura_1.png index cc72b75..346c735 100644 Binary files a/thesis_output/figures/figura_1.png and b/thesis_output/figures/figura_1.png differ diff --git a/thesis_output/figures/figura_2.png b/thesis_output/figures/figura_2.png index 17fbc7f..9ca94ae 100644 Binary files a/thesis_output/figures/figura_2.png and b/thesis_output/figures/figura_2.png differ diff --git a/thesis_output/figures/figura_3.png b/thesis_output/figures/figura_3.png index 2ea7163..880a709 100644 Binary files a/thesis_output/figures/figura_3.png and b/thesis_output/figures/figura_3.png differ diff --git a/thesis_output/figures/figura_4.png b/thesis_output/figures/figura_4.png index 6752ff0..445950f 100644 Binary files a/thesis_output/figures/figura_4.png and b/thesis_output/figures/figura_4.png differ diff --git a/thesis_output/figures/figura_5.png b/thesis_output/figures/figura_5.png index a94326a..5acbfb1 100644 Binary files a/thesis_output/figures/figura_5.png and b/thesis_output/figures/figura_5.png differ diff --git a/thesis_output/figures/figura_6.png b/thesis_output/figures/figura_6.png index f163eb0..a6a559c 100644 Binary files a/thesis_output/figures/figura_6.png and b/thesis_output/figures/figura_6.png differ diff --git a/thesis_output/figures/figura_7.png b/thesis_output/figures/figura_7.png index 5ccd07b..2704c1b 100644 Binary files a/thesis_output/figures/figura_7.png and b/thesis_output/figures/figura_7.png differ diff --git a/thesis_output/figures/figura_8.png b/thesis_output/figures/figura_8.png index 2f1997e..4b4d31f 100644 Binary files a/thesis_output/figures/figura_8.png and b/thesis_output/figures/figura_8.png differ diff --git a/thesis_output/plantilla_individual.htm b/thesis_output/plantilla_individual.htm index 4230ac7..74f7eac 100644 --- a/thesis_output/plantilla_individual.htm +++ b/thesis_output/plantilla_individual.htm @@ -4162,13 +4162,6 @@ Este trabajo demuestra que es posible obtener mejoras sustanciales en sistemas O - - - - - - -

Abstract

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. @@ -4182,8 +4175,6 @@ This work demonstrates that substantial improvements in OCR systems can be obtai - - SEQ Figura \* ARABIC 1. Diagrama 1

-

Diagrama 1

+

Figura 1. Pipeline de un sistema OCR moderno

+

Pipeline de un sistema OCR moderno

Fuente: Elaboración propia.

 

1.   Detección de texto (Text Detection): Localización de regiones que contienen texto en la imagen. Las arquitecturas más utilizadas incluyen:

@@ -4609,7 +4600,7 @@ _Toc14106979">·     Arquitectura:

- Detector: DB (Differentiable Binarization) con backbone ResNet (Liao et al., 2020) - Reconocedor: SVTR (Scene-Text Visual Transformer Recognition) - Clasificador de orientación opcional

·     Hiperparámetros configurables:

-

Tabla 1. Hiperparámetros configurables de PaddleOCR.

+

Tabla 1. Hiperparámetros configurables de PaddleOCR.

Parámetro

Descripción

Valor por defecto

text_det_thresh

Umbral de detección de píxeles

0.3

text_det_box_thresh

Umbral de caja de detección

0.6

text_det_unclip_ratio

Coeficiente de expansión

1.5

text_rec_score_thresh

Umbral de confianza de reconocimiento

0.5

use_textline_orientation

Clasificación de orientación

False

use_doc_orientation_classify

Clasificación de orientación de documento

False

use_doc_unwarping

Corrección de deformación

False

Fuente: Elaboración propia.

 

@@ -4622,7 +4613,7 @@ _Toc14106979">·     Fortalezas: API limpia, orientación académica, salida estructurada de alto nivel

·     Limitaciones: Menor rendimiento en español comparado con PaddleOCR

Comparativa de Arquitecturas

-

Tabla 2. Comparativa de soluciones OCR de código abierto.

+

Tabla 2. Comparativa de soluciones OCR de código abierto.

Modelo

Tipo

Componentes

Fortalezas Clave

EasyOCR

End-to-end (det + rec)

CRAFT + CRNN/Transformer

Ligero, fácil de usar, multilingüe

PaddleOCR

End-to-end (det + rec + cls)

DB + SVTR/CRNN

Soporte multilingüe robusto, configurable

DocTR

End-to-end (det + rec)

DB/LinkNet + CRNN/SAR/ViTSTR

Orientado a investigación, API limpia

Fuente: Elaboración propia.

 

@@ -4644,8 +4635,8 @@ _Toc14106979">·     Pruning de trials no prometedores

·     Visualización de resultados

La combinación Ray Tune + Optuna permite búsquedas eficientes en espacios de alta dimensionalidad.

-

Figura 2. Diagrama 2

-

Diagrama 2

+

Figura 2. Ciclo de optimización con Ray Tune y Optuna

+

Ciclo de optimización con Ray Tune y Optuna

Fuente: Elaboración propia.

 

HPO en Sistemas OCR

@@ -4678,7 +4669,7 @@ concretos y metodología de trabajoObjetivo general

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.

Justificación SMART del Objetivo General

-

Tabla 3. Tabla de datos.

+

Tabla 3. Tabla de datos.

Criterio

Cumplimiento

Específico (S)

Se define claramente qué se quiere lograr: optimizar PaddleOCR mediante ajuste de hiperparámetros para documentos en español

Medible (M)

Se establece una métrica cuantificable: CER < 2%

Alcanzable (A)

Es viable dado que: (1) PaddleOCR permite configuración de hiperparámetros, (2) Ray Tune posibilita búsqueda automatizada, (3) No se requiere GPU

Relevante (R)

El impacto es demostrable: mejora la extracción de texto en documentos académicos sin costes adicionales de infraestructura

Temporal (T)

El plazo es un cuatrimestre, correspondiente al TFM

Fuente: Elaboración propia.

 

@@ -4695,8 +4686,8 @@ concretos y metodología de trabajoComparar el rendimiento de la configuración baseline versus la configuración optimizada sobre el dataset completo, documentando la mejora obtenida.

Metodología del trabajo

Visión General

-

Figura 3. Diagrama 3

-

Diagrama 3

+

Figura 3. Fases de la metodología experimental

+

Fases de la metodología experimental

Fuente: Elaboración propia.

 

Descripción de las fases:

@@ -4715,8 +4706,8 @@ concretos y metodología de trabajo1.   Extracción de texto de referencia:

- Método: page.get_text("dict") de PyMuPDF - Preservación de estructura de líneas - Tratamiento de texto vertical/marginal - Normalización de espacios y saltos de línea

Estructura del Dataset

-

Figura 4. Diagrama 4

-

Diagrama 4

+

Figura 4. Estructura del dataset de evaluación

+

Estructura del dataset de evaluación

Fuente: Elaboración propia.

 

Clase ImageTextDataset

@@ -4729,7 +4720,7 @@ concretos y metodología de trabajoFase 2: Benchmark Comparativo

Modelos Evaluados

-

Tabla 4. Tabla de datos.

+

Tabla 4. Tabla de datos.

Modelo

Versión

Configuración

EasyOCR

-

Idiomas: ['es', 'en']

PaddleOCR

PP-OCRv5

Modelos server_det + server_rec

DocTR

-

db_resnet50 + sar_resnet31

Fuente: Elaboración propia.

 

@@ -4744,7 +4735,7 @@ def evaluate_text(reference, prediction): }

Fase 3: Espacio de Búsqueda

Hiperparámetros Seleccionados

-

Tabla 5. Tabla de datos.

+

Tabla 5. Tabla de datos.

Parámetro

Tipo

Rango/Valores

Descripción

use_doc_orientation_classify

Booleano

[True, False]

Clasificación de orientación del documento

use_doc_unwarping

Booleano

[True, False]

Corrección de deformación del documento

textline_orientation

Booleano

[True, False]

Clasificación de orientación de línea de texto

text_det_thresh

Continuo

[0.0, 0.7]

Umbral de detección de píxeles de texto

text_det_box_thresh

Continuo

[0.0, 0.7]

Umbral de caja de detección

text_det_unclip_ratio

Fijo

0.0

Coeficiente de expansión (fijado)

text_rec_score_thresh

Continuo

[0.0, 0.7]

Umbral de confianza de reconocimiento

Fuente: Elaboración propia.

 

@@ -4775,8 +4766,8 @@ tuner = tune.Tuner(

Fase 4: Ejecución de Optimización

Arquitectura de Ejecución

Debido a incompatibilidades entre Ray y PaddleOCR en el mismo proceso, se implementó una arquitectura basada en subprocesos:

-

Figura 5. Diagrama 5

-

Diagrama 5

+

Figura 5. Arquitectura de ejecución con subprocesos

+

Arquitectura de ejecución con subprocesos

Fuente: Elaboración propia.

 

Script de Evaluación (paddle_ocr_tuning.py)

@@ -4803,12 +4794,12 @@ tuner = tune.Tuner(

4.   Métricas reportadas: CER, WER, tiempo de procesamiento

Entorno de Ejecución

Hardware

-

Tabla 6. Tabla de datos.

+

Tabla 6. Tabla de datos.

Componente

Especificación

CPU

Intel Core (especificar modelo)

RAM

16 GB

GPU

No disponible (ejecución en CPU)

Almacenamiento

SSD

Fuente: Elaboración propia.

 

Software

-

Tabla 7. Tabla de datos.

+

Tabla 7. Tabla de datos.

Componente

Versión

Sistema Operativo

Windows 10/11

Python

3.11.9

PaddleOCR

3.3.2

PaddlePaddle

3.2.2

Ray

2.52.1

Optuna

4.6.0

Fuente: Elaboración propia.

 

@@ -4852,7 +4843,7 @@ color:#0098CD;mso-font-kerning:16.0pt;mso-bidi-font-weight:bold'>Configuración del Experimento

Dataset de Evaluación

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 8. Tabla 3. Características del dataset de evaluación.

+

Tabla 8. Tabla 3. Características del dataset de evaluación.

Característica

Valor

Número de páginas evaluadas

5 (páginas 1-5 en benchmark inicial)

Formato

PDF digital (no escaneado)

Idioma

Español

Resolución de conversión

300 DPI

Fuente: Elaboración propia.

 

@@ -4880,7 +4871,7 @@ def evaluate_text(reference, prediction):

Resultados del Benchmark

Resultados de PaddleOCR (Datos del CSV)

Del archivo results/ai_ocr_benchmark_finetune_results_20251206_113206.csv, se obtienen los siguientes resultados de PaddleOCR para las páginas 5-9 del documento:

-

Tabla 9. Tabla 4. Resultados de PaddleOCR por página (benchmark inicial).

+

Tabla 9. Tabla 4. Resultados de PaddleOCR por página (benchmark inicial).

Página

WER

CER

5

12.16%

6.33%

6

12.81%

6.40%

7

11.06%

6.24%

8

8.13%

1.54%

9

10.61%

5.58%

Fuente: Elaboración propia.

 

@@ -4889,7 +4880,7 @@ def evaluate_text(reference, prediction):

·     WER medio: ~10.95%

Comparativa de Modelos

Según la documentación del notebook ocr_benchmark_notebook.ipynb, los tres modelos evaluados representan diferentes paradigmas de OCR:

-

Tabla 10. Tabla 5. Comparativa de arquitecturas OCR evaluadas.

+

Tabla 10. Tabla 5. Comparativa de arquitecturas OCR evaluadas.

Modelo

Tipo

Componentes

Fortalezas Clave

EasyOCR

End-to-end (det + rec)

DB + CRNN/Transformer

Ligero, fácil de usar, multilingüe

PaddleOCR (PP-OCR)

End-to-end (det + rec + cls)

DB + SRN/CRNN

Soporte multilingüe robusto, pipeline configurable

DocTR

End-to-end (det + rec)

DB/LinkNet + CRNN/SAR/VitSTR

Orientado a investigación, API limpia

Fuente: Elaboración propia.

 

@@ -4930,7 +4921,7 @@ def evaluate_text(reference, prediction):

Configuración del Experimento

Entorno de Ejecución

Según los outputs del notebook:

-

Tabla 11. Tabla 6. Entorno de ejecución del experimento.

+

Tabla 11. Tabla 6. Entorno de ejecución del experimento.

Componente

Versión/Especificación

Python

3.11.9

PaddlePaddle

3.2.2

PaddleOCR

3.3.2

Ray

2.52.1

GPU

No disponible (CPU only)

Fuente: Elaboración propia.

 

@@ -4951,7 +4942,7 @@ def evaluate_text(reference, prediction): "text_rec_score_thresh": tune.uniform(0.0, 0.7), }

Descripción de parámetros (según documentación de PaddleOCR):

-

Tabla 12. Tabla de datos.

+

Tabla 12. Tabla de datos.

Parámetro

Descripción

use_doc_orientation_classify

Clasificación de orientación del documento

use_doc_unwarping

Corrección de deformación del documento

textline_orientation

Clasificación de orientación de línea de texto

text_det_thresh

Umbral de detección de píxeles de texto

text_det_box_thresh

Umbral de caja de detección

text_det_unclip_ratio

Coeficiente de expansión (fijado en 0.0)

text_rec_score_thresh

Umbral de confianza de reconocimiento

Fuente: Elaboración propia.

 

@@ -4975,7 +4966,7 @@ def evaluate_text(reference, prediction):

Resultados de la Optimización

Estadísticas Descriptivas

Del archivo CSV de resultados (raytune_paddle_subproc_results_20251207_192320.csv):

-

Tabla 13. Tabla 7. Estadísticas descriptivas de los 64 trials de Ray Tune.

+

Tabla 13. Tabla 7. Estadísticas descriptivas de los 64 trials de Ray Tune.

Estadística

CER

WER

Tiempo (s)

Tiempo/Página (s)

count

64

64

64

64

mean

5.25%

14.28%

347.61

69.42

std

11.03%

10.75%

7.88

1.57

min

1.15%

9.89%

320.97

64.10

25%

1.20%

10.04%

344.24

68.76

50%

1.23%

10.20%

346.42

69.19

75%

4.03%

13.20%

350.14

69.93

max

51.61%

59.45%

368.57

73.63

Fuente: Elaboración propia.

 

@@ -4995,25 +4986,25 @@ Configuración óptima:

Análisis de Correlación

Correlación de Pearson entre parámetros y métricas de error (del notebook):

Correlación con CER:

-

Tabla 14. Tabla de datos.

+

Tabla 14. Tabla de datos.

Parámetro

Correlación

CER

1.000

config/text_det_box_thresh

0.226

config/text_rec_score_thresh

-0.161

config/text_det_thresh

-0.523

config/text_det_unclip_ratio

NaN

Fuente: Elaboración propia.

 

Correlación con WER:

-

Tabla 15. Tabla de datos.

+

Tabla 15. Tabla de datos.

Parámetro

Correlación

WER

1.000

config/text_det_box_thresh

0.227

config/text_rec_score_thresh

-0.173

config/text_det_thresh

-0.521

config/text_det_unclip_ratio

NaN

Fuente: Elaboración propia.

 

Hallazgo clave: El parámetro text_det_thresh muestra la correlación más fuerte (-0.52), indicando que valores más altos de este umbral tienden a reducir el error.

Impacto del Parámetro textline_orientation

Según el análisis del notebook, este parámetro booleano tiene el mayor impacto:

-

Tabla 16. Tabla 8. Impacto del parámetro textline_orientation en las métricas de error.

+

Tabla 16. Tabla 8. Impacto del parámetro textline_orientation en las métricas de error.

textline_orientation

CER Medio

WER Medio

True

~3.76%

~12.73%

False

~12.40%

~21.71%

Fuente: Elaboración propia.

 

Interpretación: El CER medio es ~3.3x menor con textline_orientation=True (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.

-

Figura 6. Impacto de textline_orientation en CER

-

Impacto de textline_orientation en CER

+

Figura 6. Impacto de textline_orientation en CER

+

Impacto de textline_orientation en CER

Fuente: Elaboración propia.

 

Análisis de Fallos

@@ -5027,19 +5018,19 @@ Configuración óptima:

Comparación Baseline vs Optimizado

Resultados sobre Dataset Completo (24 páginas)

Del análisis final del notebook ejecutando sobre las 24 páginas:

-

Tabla 17. Tabla 9. Comparación baseline vs configuración optimizada (24 páginas).

+

Tabla 17. Tabla 9. Comparación baseline vs configuración optimizada (24 páginas).

Modelo

CER

WER

PaddleOCR (Baseline)

7.78%

14.94%

PaddleOCR-HyperAdjust

1.49%

7.62%

Fuente: Elaboración propia.

 

Métricas de Mejora

-

Tabla 18. Tabla 10. Análisis de la mejora obtenida.

+

Tabla 18. Tabla 10. Análisis de la mejora obtenida.

Métrica

Baseline

Optimizado

Mejora Absoluta

Reducción Error

CER

7.78%

1.49%

-6.29 pp

80.9%

WER

14.94%

7.62%

-7.32 pp

49.0%

Fuente: Elaboración propia.

 

Interpretación (del notebook)

"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%."

-

Figura 7. Comparación Baseline vs Optimizado (24 páginas)

-

Comparación Baseline vs Optimizado (24 páginas)

+

Figura 7. Comparación Baseline vs Optimizado (24 páginas)

+

Comparación Baseline vs Optimizado (24 páginas)

Fuente: Elaboración propia.

 

Impacto práctico: En un documento de 10,000 caracteres:

@@ -5047,7 +5038,7 @@ Configuración óptima:

·     Optimizado: ~149 caracteres con error

·     Diferencia: ~629 caracteres menos con errores

Tiempo de Ejecución

-

Tabla 19. Tabla de datos.

+

Tabla 19. Tabla de datos.

Métrica

Valor

Tiempo total del experimento

~6 horas (64 trials × ~6 min/trial)

Tiempo medio por trial

367.72 segundos

Tiempo medio por página

69.42 segundos

Total páginas procesadas

64 trials × 5 páginas = 320 evaluaciones

Fuente: Elaboración propia.

 

@@ -5068,44 +5059,44 @@ Configuración óptima:

Resumen de Resultados

Resultados del Benchmark Comparativo

Del archivo results/ai_ocr_benchmark_finetune_results_20251206_113206.csv, PaddleOCR con configuración inicial (use_textline_orientation=True) obtuvo los siguientes resultados en las páginas 5-9:

-

Tabla 20. Tabla de datos.

+

Tabla 20. Tabla de datos.

Página

WER

CER

5

12.16%

6.33%

6

12.81%

6.40%

7

11.06%

6.24%

8

8.13%

1.54%

9

10.61%

5.58%

Promedio

10.95%

5.22%

Fuente: Elaboración propia.

 

Resultados de la Optimización con Ray Tune

Del archivo src/raytune_paddle_subproc_results_20251207_192320.csv (64 trials):

-

Tabla 21. Tabla de datos.

+

Tabla 21. Tabla de datos.

Métrica

Valor

CER mínimo

1.15%

CER medio

5.25%

CER máximo

51.61%

WER mínimo

9.89%

WER medio

14.28%

WER máximo

59.45%

Fuente: Elaboración propia.

 

Comparación Final (Dataset Completo - 24 páginas)

Resultados del notebook src/paddle_ocr_fine_tune_unir_raytune.ipynb:

-

Tabla 22. Tabla de datos.

+

Tabla 22. Tabla de datos.

Modelo

CER

Precisión Caracteres

WER

Precisión Palabras

PaddleOCR (Baseline)

7.78%

92.22%

14.94%

85.06%

PaddleOCR-HyperAdjust

1.49%

98.51%

7.62%

92.38%

Fuente: Elaboración propia.

 

Análisis de Resultados

Mejora Obtenida

-

Tabla 23. Tabla de datos.

+

Tabla 23. Tabla de datos.

Forma de Medición

Valor

Mejora en precisión de caracteres (absoluta)

+6.29 puntos porcentuales

Reducción del CER (relativa)

80.9%

Mejora en precisión de palabras (absoluta)

+7.32 puntos porcentuales

Reducción del WER (relativa)

49.0%

Precisión final de caracteres

98.51%

Fuente: Elaboración propia.

 

Impacto de Hiperparámetros Individuales

Parámetro textline_orientation

Este parámetro booleano demostró ser el más influyente:

-

Tabla 24. Tabla de datos.

+

Tabla 24. Tabla de datos.

Valor

CER Medio

Impacto

True

~3.76%

Rendimiento óptimo

False

~12.40%

3.3x peor

Fuente: Elaboración propia.

 

Reducción del CER: 69.7% cuando se habilita la clasificación de orientación de línea.

Parámetro text_det_thresh

Correlación con CER: -0.523 (la más fuerte de los parámetros continuos)

-

Tabla 25. Tabla de datos.

+

Tabla 25. Tabla de datos.

Rango

Comportamiento

< 0.1

Fallos catastróficos (CER 40-50%)

0.3 - 0.6

Rendimiento óptimo

Valor óptimo

0.4690

Fuente: Elaboración propia.

 

Parámetros con menor impacto

-

Tabla 26. Tabla de datos.

+

Tabla 26. Tabla de datos.

Parámetro

Correlación con CER

Valor óptimo

text_det_box_thresh

+0.226

0.5412

text_rec_score_thresh

-0.161

0.6350

use_doc_orientation_classify

-

False

use_doc_unwarping

-

False

Fuente: Elaboración propia.

 

@@ -5135,7 +5126,7 @@ Configuración óptima:

1.   Ejecución en CPU: Los tiempos reportados (~69s/página) corresponden a ejecución en CPU. Con GPU, los tiempos serían significativamente menores.

1.   Parámetro fijo: text_det_unclip_ratio permaneció fijo en 0.0 durante todo el experimento por decisión de diseño.

Comparación con Objetivos

-

Tabla 27. Tabla de datos.

+

Tabla 27. Tabla de datos.

Objetivo

Meta

Resultado

Cumplimiento

OE1: Comparar soluciones OCR

Evaluar EasyOCR, PaddleOCR, DocTR

PaddleOCR seleccionado

✓

OE2: Preparar dataset

Construir dataset estructurado

Dataset de 24 páginas

✓

OE3: Identificar hiperparámetros críticos

Analizar correlaciones

textline_orientation y text_det_thresh identificados

✓

OE4: Optimizar con Ray Tune

Mínimo 50 configuraciones

64 trials ejecutados

✓

OE5: Validar configuración

Documentar mejora

CER 7.78% → 1.49%

✓

Objetivo General

CER < 2%

CER = 1.49%

✓

Fuente: Elaboración propia.

 

@@ -5148,7 +5139,7 @@ Configuración óptima:

4.   No recomendado: Habilitar use_doc_orientation_classify o use_doc_unwarping para documentos digitales

Impacto Cuantitativo

En un documento típico de 10,000 caracteres:

-

Tabla 28. Tabla de datos.

+

Tabla 28. Tabla de datos.

Configuración

Errores estimados

Baseline

~778 caracteres

Optimizada

~149 caracteres

Reducción

629 caracteres menos con errores

Fuente: Elaboración propia.

 

@@ -5176,7 +5167,7 @@ y trabajo futuro

Este capít

Conclusiones Generales

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.

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:

-

Tabla 29. Tabla de datos.

+

Tabla 29. Tabla de datos.

Métrica

Objetivo

Resultado

CER

< 2%

1.49%

Fuente: Elaboración propia.

 

@@ -5271,8 +5262,8 @@ major-latin;mso-bidi-font-family:"Calibri Light";mso-bidi-theme-font:major-latin

·     Dataset: Imágenes y textos de referencia utilizados

·     Resultados: Archivos CSV con los resultados de los 64 trials de Ray Tune

A.2 Estructura del Repositorio

-

Figura 8. Diagrama 8

-

Diagrama 8

+

Figura 8. Estructura del repositorio del proyecto

+

Estructura del repositorio del proyecto

Fuente: Elaboración propia.

 

Descripción de componentes:

@@ -5282,7 +5273,7 @@ major-latin;mso-bidi-font-family:"Calibri Light";mso-bidi-theme-font:major-latin

·     instructions/: Instrucciones y plantilla UNIR

A.3 Requisitos de Software

Para reproducir los experimentos se requieren las siguientes dependencias:

-

Tabla 30. Tabla de datos.

+

Tabla 30. Tabla de datos.

Componente

Versión

Python

3.11.9

PaddlePaddle

3.2.2

PaddleOCR

3.3.2

Ray

2.52.1

Optuna

4.6.0

jiwer

(última versión)

PyMuPDF

(última versión)

Fuente: Elaboración propia.

 

@@ -5296,7 +5287,6 @@ major-latin;mso-bidi-font-family:"Calibri Light";mso-bidi-theme-font:major-latin
-