Los sistemas OCR modernos siguen tÃpicamente un pipeline de dos etapas principales, precedidas opcionalmente por una fase de preprocesamiento:
Figura 1. Pipeline de un sistema OCR moderno
-
[Insertar diagrama Mermaid aquÃ]
Fuente: Elaboración propia.
Figura 3. Fases de la metodologÃa experimental
-
[Insertar diagrama Mermaid aquÃ]
Fuente: Elaboración propia.
Descripción de las fases:
@@ -4978,7 +4978,7 @@ concretos y metodologÃa de trabajo - Método: page.get_text("dict") de PyMuPDF - Preservación de estructura de lÃneas - Tratamiento de texto vertical/marginal - Normalización de espacios y saltos de lÃneaFigura 4. Estructura del dataset de evaluación
-
[Insertar diagrama Mermaid aquÃ]
Fuente: Elaboración propia.
Se implementó una arquitectura basada en contenedores Docker para aislar los servicios OCR y facilitar la reproducibilidad:
-Figura 5. Arquitectura de ejecución con Docker Compose
-
Fuente: Elaboración propia.
-Se implementó una arquitectura basada en contenedores Docker para aislar los servicios OCR y facilitar la reproducibilidad (ver sección 4.2.3 para detalles de la arquitectura).
Los servicios se orquestan mediante Docker Compose (src/docker-compose.tuning.*.yml):
# Iniciar servicio OCR
@@ -5018,11 +5014,11 @@ docker compose -f docker-compose.tuning.doctr.yml run raytune --service doctr --
docker compose -f docker-compose.tuning.doctr.yml down
El servicio OCR expone una API REST que retorna métricas en formato JSON:
{
- "CER": 0.0125,
- "WER": 0.1040,
- "TIME": 331.09,
+ "CER": 0.0149,
+ "WER": 0.0762,
+ "TIME": 15.8,
"PAGES": 5,
- "TIME_PER_PAGE": 66.12
+ "TIME_PER_PAGE": 3.16
}
Componente | Versión |
Sistema Operativo | Ubuntu 24.04.3 LTS |
Python | 3.12.3 |
PaddleOCR | 3.3.2 |
PaddlePaddle | 3.2.2 |
Ray | 2.52.1 |
Optuna | 4.7.0 |
Fuente: Elaboración propia.
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 18. Costos de GPU en plataformas cloud.
+Plataforma | GPU | Costo/Hora | Costo Mensual |
AWS EC2 g4dn.xlarge | NVIDIA T4 (16 GB) | $0.526 | ~$384 |
Google Colab Pro | T4/P100 | ~$1.30 | $10 + CU extras |
Google Colab Pro+ | T4/V100/A100 | ~$1.30 | $50 + CU extras |
Fuente: Elaboración propia.
+Para las tareas especÃficas de este proyecto, los costos estimados en cloud serÃan:
+Tabla 19. Análisis de costos del proyecto en plataformas cloud.
+Tarea | Tiempo GPU | Costo AWS | Costo Colab Pro |
Ajuste hiperparámetros (64×3 trials) | ~3 horas | ~$1.58 | ~$3.90 |
Evaluación completa (45 páginas) | ~5 min | ~$0.04 | ~$0.11 |
Desarrollo y depuración (20 horas/mes) | 20 horas | ~$10.52 | ~$26.00 |
Fuente: Elaboración propia.
+Las ventajas de la ejecución local incluyen:
+1.   Costo cero de GPU: La RTX 3060 ya está disponible en el equipo de desarrollo
+2.   Sin lÃmites de tiempo: AWS y Colab imponen timeouts de sesión que interrumpen experimentos largos
+3.   Acceso instantáneo: Sin tiempo de aprovisionamiento de instancias cloud
+4.   Almacenamiento local: Dataset y resultados en disco sin costos de transferencia
+5.   Iteración rápida: Reinicio inmediato de contenedores Docker para depuración
+Para un proyecto de investigación con múltiples iteraciones de ajuste de hiperparámetros, la ejecución local ahorra aproximadamente $50-100 mensuales comparado con servicios cloud, además de ofrecer mayor flexibilidad en la velocidad de iteración durante el desarrollo.
1.   Tamaño del dataset: El dataset contiene 24 páginas de un único tipo de documento. Resultados pueden no generalizar a otros formatos.
1.   Ejecución en CPU: Los tiempos de procesamiento (~70s/página) serÃan significativamente menores con GPU.
@@ -5086,7 +5100,7 @@ color:#0098CD;mso-font-kerning:16.0pt;mso-bidi-font-weight:bold'>Se seleccionaron tres soluciones OCR de código abierto representativas del estado del arte:
-Tabla 18. Soluciones OCR evaluadas en el benchmark comparativo.
+Tabla 20. Soluciones OCR evaluadas en el benchmark comparativo.
Solución | Desarrollador | Versión | Justificación de selección |
EasyOCR | Jaided AI | Última estable | Popularidad, facilidad de uso |
PaddleOCR | Baidu | PP-OCRv5 | Estado del arte industrial |
DocTR | Mindee | Última estable | Orientación académica |
Fuente: Elaboración propia.
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 19. CaracterÃsticas del dataset de evaluación inicial.
+Tabla 21. CaracterÃsticas del dataset de evaluación inicial.
CaracterÃstica | Valor |
Documento fuente | Instrucciones TFE UNIR |
Número de páginas evaluadas | 5 (benchmark inicial) |
Formato | PDF digital (no escaneado) |
Idioma principal | Español |
Resolución de conversión | 300 DPI |
Formato de imagen | PNG |
Fuente: Elaboración propia.
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 20. Variabilidad del CER por tipo de contenido.
+Tabla 22. Variabilidad del CER por tipo de contenido.
Tipo de contenido | CER aproximado | Observaciones |
Texto corrido | ~1.5-2% | Mejor rendimiento |
Texto con listas | ~3-4% | Rendimiento medio |
Tablas | ~5-6% | Mayor dificultad |
Encabezados + notas | ~4-5% | Layouts mixtos |
Fuente: Elaboración propia.
Los tres modelos evaluados representan diferentes paradigmas de OCR:
-Tabla 21. Comparativa de arquitecturas OCR evaluadas.
+Tabla 23. Comparativa de arquitecturas OCR evaluadas.
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, pipeline configurable |
DocTR | End-to-end (det + rec) | DB/LinkNet + CRNN/SAR/ViTSTR | Orientado a investigación, API limpia |
Fuente: Elaboración propia.
La selección de PaddleOCR para la fase de optimización se basó en los siguientes criterios:
-Tabla 22. Evaluación de criterios de selección.
+Tabla 24. Evaluación de criterios de selección.
Criterio | EasyOCR | PaddleOCR | DocTR |
CER benchmark | ~6-8% | ~5-6% | ~7-9% |
Configurabilidad | Baja (3 params) | Alta (>10 params) | Media (5 params) |
Soporte español | Sà | Sà (dedicado) | Limitado |
Documentación | Media | Alta | Alta |
Mantenimiento | Medio | Alto | Medio |
Fuente: Elaboración propia.
El experimento se ejecutó en el siguiente entorno:
-Tabla 23. Entorno de ejecución del experimento.
+Tabla 25. Entorno de ejecución del experimento.
Componente | Versión/Especificación |
Sistema operativo | Ubuntu 24.04.3 LTS |
Python | 3.12.3 |
PaddlePaddle | 3.2.2 |
PaddleOCR | 3.3.2 |
Ray | 2.52.1 |
Optuna | 4.7.0 |
CPU | AMD Ryzen 7 5800H |
RAM | 16 GB DDR4 |
GPU | NVIDIA RTX 3060 Laptop (5.66 GB VRAM) |
Fuente: Elaboración propia.
·     Aislamiento de Ray Tune: Ray Tune tiene sus propias dependencias que pueden entrar en conflicto con las librerÃas de inferencia OCR
Esta arquitectura containerizada permite ejecutar cada componente en su entorno aislado óptimo, comunicándose via API REST:
-Figura 6. Arquitectura de ejecución con Docker Compose
-
Figura 5. Arquitectura de ejecución con Docker Compose
+[Insertar diagrama Mermaid aquÃ]
Fuente: Elaboración propia.
La arquitectura containerizada (src/docker-compose.tuning.*.yml) ofrece:
@@ -5235,22 +5249,22 @@ docker compose -f docker-compose.tuning.doctr.yml run raytune --service doctr -- docker compose -f docker-compose.tuning.doctr.yml downRespuesta del servicio OCR:
{
- "CER": 0.0125,
- "WER": 0.1040,
- "TIME": 331.09,
+ "CER": 0.0149,
+ "WER": 0.0762,
+ "TIME": 15.8,
"PAGES": 5,
- "TIME_PER_PAGE": 66.12
+ "TIME_PER_PAGE": 3.16
}
Para la fase de optimización se extendió el dataset:
-Tabla 24. CaracterÃsticas del dataset de optimización.
+Tabla 26. CaracterÃsticas del dataset de optimización.
CaracterÃstica | Valor |
Páginas totales | 24 |
Páginas por trial | 5 (páginas 5-10) |
Estructura | Carpetas img/ y txt/ pareadas |
Resolución | 300 DPI |
Formato imagen | PNG |
Fuente: Elaboración propia.
La clase ImageTextDataset gestiona la carga de pares imagen-texto desde la estructura de carpetas pareadas. La implementación está disponible en el repositorio (ver Anexo A).
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 25. Descripción detallada del espacio de búsqueda.
+Tabla 27. Descripción detallada del espacio de búsqueda.
Parámetro | Tipo | Rango | Descripción |
use_doc_orientation_classify | Booleano | {True, False} | Clasificación de orientación del documento completo |
use_doc_unwarping | Booleano | {True, False} | Corrección de deformación/curvatura |
textline_orientation | Booleano | {True, False} | Clasificación de orientación por lÃnea de texto |
text_det_thresh | Continuo | [0.0, 0.7] | Umbral de probabilidad para pÃxeles de texto |
text_det_box_thresh | Continuo | [0.0, 0.7] | Umbral de confianza para cajas detectadas |
text_det_unclip_ratio | Fijo | 0.0 | Coeficiente de expansión (no explorado) |
text_rec_score_thresh | Continuo | [0.0, 0.7] | Umbral de confianza de reconocimiento |
Fuente: Elaboración propia.
1.   Parámetros booleanos completos: Los tres parámetros de preprocesamiento se exploran completamente para identificar cuáles son necesarios para documentos digitales.
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 26. Parámetros de configuración de Ray Tune.
+Tabla 28. Parámetros de configuración de Ray Tune.
Parámetro | Valor | Justificación |
Métrica objetivo | CER | Métrica estándar para OCR |
Modo | min | Minimizar tasa de error |
Algoritmo | OptunaSearch (TPE) | Eficiente para espacios mixtos |
Número de trials | 64 | Balance entre exploración y tiempo |
Trials concurrentes | 2 | Limitado por memoria disponible |
Fuente: Elaboración propia.
El experimento se ejecutó exitosamente con los siguientes resultados globales:
-Tabla 27. Resumen de la ejecución del experimento.
+Tabla 29. Resumen de la ejecución del experimento.
Métrica | Valor |
Trials completados | 64/64 |
Trials fallidos | 0 |
Tiempo total | ~6.4 horas |
Tiempo medio por trial | 367.72 segundos |
Páginas procesadas | 320 (64 trials × 5 páginas) |
Fuente: Elaboración propia.
Del archivo CSV de resultados (raytune_paddle_subproc_results_20251207_192320.csv):
-Tabla 28. EstadÃsticas descriptivas de los 64 trials.
+Tabla 30. EstadÃsticas descriptivas de los 64 trials.
EstadÃstica | 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% (mediana) | 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.
1.   Mediana vs Media: La mediana del CER (1.23%) es mucho menor que la media (5.25%), confirmando una distribución sesgada hacia valores bajos con outliers altos.
1.   Tiempo consistente: El tiempo de ejecución es muy estable (std = 1.57 s/página), indicando que las configuraciones de hiperparámetros no afectan significativamente el tiempo de inferencia.
Tabla 29. Distribución de trials por rango de CER.
+Tabla 31. Distribución de trials por rango de CER.
Rango CER | Número de trials | Porcentaje |
< 2% | 43 | 67.2% |
2% - 5% | 7 | 10.9% |
5% - 10% | 2 | 3.1% |
10% - 20% | 5 | 7.8% |
> 20% | 7 | 10.9% |
Fuente: Elaboración propia.
Tabla 30. Configuración óptima identificada.
+Tabla 32. Configuración óptima identificada.
Parámetro | Valor óptimo | Valor por defecto | Cambio |
textline_orientation | True | False | Activado |
use_doc_orientation_classify | False | False | Sin cambio |
use_doc_unwarping | False | False | Sin cambio |
text_det_thresh | 0.4690 | 0.3 | +0.169 |
text_det_box_thresh | 0.5412 | 0.6 | -0.059 |
text_det_unclip_ratio | 0.0 | 1.5 | -1.5 (fijado) |
text_rec_score_thresh | 0.6350 | 0.5 | +0.135 |
Fuente: Elaboración propia.
Se calculó la correlación de Pearson entre los parámetros continuos y las métricas de error:
-Tabla 31. Correlación de parámetros con CER.
+Tabla 33. Correlación de parámetros con CER.
Parámetro | Correlación con CER | Interpretación |
text_det_thresh | -0.523 | Correlación moderada negativa |
text_det_box_thresh | +0.226 | Correlación débil positiva |
text_rec_score_thresh | -0.161 | Correlación débil negativa |
text_det_unclip_ratio | NaN | Varianza cero (valor fijo) |
Fuente: Elaboración propia.
Tabla 32. Correlación de parámetros con WER.
+Tabla 34. Correlación de parámetros con WER.
Parámetro | Correlación con WER | Interpretación |
text_det_thresh | -0.521 | Correlación moderada negativa |
text_det_box_thresh | +0.227 | Correlación débil positiva |
text_rec_score_thresh | -0.173 | Correlación débil negativa |
Fuente: Elaboración propia.
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 pÃxeles se consideran "texto" en el mapa de probabilidad del detector.
El parámetro booleano textline_orientation demostró tener el mayor impacto en el rendimiento:
-Tabla 33. Impacto del parámetro textline_orientation.
+Tabla 35. Impacto del parámetro textline_orientation.
textline_orientation | CER Medio | CER Std | WER Medio | N trials |
True | 3.76% | 7.12% | 12.73% | 32 |
False | 12.40% | 14.93% | 21.71% | 32 |
Fuente: Elaboración propia.
1.   Reducción del CER: Con textline_orientation=True, el CER medio es 3.3 veces menor (3.76% vs 12.40%).
1.   Menor varianza: La desviación estándar también se reduce significativamente (7.12% vs 14.93%), indicando resultados más consistentes.
1.   Reducción del CER: 69.7% cuando se habilita la clasificación de orientación de lÃnea.
-Figura 7. Impacto de textline_orientation en CER
-
Figura 6. Impacto de textline_orientation en CER
+[Insertar diagrama Mermaid aquÃ]
Fuente: Elaboración propia.
Explicación técnica:
El parámetro textline_orientation activa un clasificador que determina la orientación de cada lÃnea de texto detectada. Para documentos con layouts mixtos (tablas, encabezados laterales, direcciones postales), este clasificador asegura que el texto se lea en el orden correcto, evitando la mezcla de lÃneas de diferentes columnas o secciones.
Los trials con CER muy alto (>20%) presentaron patrones especÃficos:
-Tabla 34. CaracterÃsticas de trials con fallos catastróficos.
+Tabla 36. CaracterÃsticas de trials con fallos catastróficos.
Trial | CER | text_det_thresh | textline_orientation | Diagnóstico |
#47 | 51.61% | 0.017 | True | Umbral muy bajo |
#23 | 43.29% | 0.042 | False | Umbral bajo + sin orientación |
#12 | 38.76% | 0.089 | False | Umbral bajo + sin orientación |
#56 | 35.12% | 0.023 | False | Umbral muy bajo + sin orientación |
Fuente: Elaboración propia.
La configuración óptima identificada se evaluó sobre el dataset completo de 24 páginas, comparando con la configuración baseline (valores por defecto de PaddleOCR). Los parámetros optimizados más relevantes fueron: textline_orientation=True, text_det_thresh=0.4690, text_det_box_thresh=0.5412, y text_rec_score_thresh=0.6350.
-Tabla 35. Comparación baseline vs optimizado (24 páginas).
+Tabla 37. Comparación baseline vs optimizado (24 páginas).
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.
Tabla 36. Análisis cuantitativo de la mejora.
+Tabla 38. Análisis cuantitativo de la mejora.
Forma de Medición | CER | WER |
Valor baseline | 7.78% | 14.94% |
Valor optimizado | 1.49% | 7.62% |
Mejora absoluta | -6.29 pp | -7.32 pp |
Reducción relativa del error | 80.9% | 49.0% |
Factor de mejora | 5.2× | 2.0× |
Fuente: Elaboración propia.
Figura 8. Comparación Baseline vs Optimizado (24 páginas)
-
Figura 7. Reducción de errores: Baseline vs Optimizado
+[Insertar diagrama Mermaid aquÃ]
Fuente: Elaboración propia.
Leyenda: CER = Character Error Rate, WER = Word Error Rate. Baseline = configuración por defecto de PaddleOCR. Optimizado = configuración encontrada por Ray Tune.
En un documento tÃpico de 10,000 caracteres:
-Tabla 37. En un documento tÃpico de 10,000 caracteres
+Tabla 39. En un documento tÃpico de 10,000 caracteres
Configuración | Caracteres con error | Palabras con error* |
Baseline | ~778 | ~225 |
Optimizada | ~149 | ~115 |
Reducción | 629 menos | 110 menos |
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 ofrecÃa resultados aceptables, la configuración optimizada reduce los errores residuales en un 80.9%."
Tabla 38. Métricas de tiempo del experimento.
+Tabla 40. Métricas de tiempo del experimento.
Métrica | Valor |
Tiempo total del experimento | ~6.4 horas |
Tiempo medio por trial | 347.61 segundos (~5.8 min) |
Tiempo medio por página | 69.42 segundos |
Variabilidad (std) | 1.57 segundos/página |
Páginas procesadas totales | 320 |
Fuente: Elaboración propia.
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, se evalúa el cumplimiento de los objetivos planteados y se identifican las limitaciones del estudio.
Tabla 39. Evolución del rendimiento a través del estudio.
+Tabla 41. Evolución del rendimiento a través del estudio.
Fase | Configuración | CER | Mejora vs anterior |
Benchmark inicial | Baseline (5 páginas) | ~5-6% | - |
Optimización (mejor trial) | Optimizada (5 páginas) | 1.15% | ~80% |
Validación final | Optimizada (24 páginas) | 1.49% | - |
Fuente: Elaboración propia.
El incremento del CER de 1.15% (5 páginas) a 1.49% (24 páginas) es esperado debido a la mayor diversidad de layouts en el dataset completo.
Tabla 40. Verificación del objetivo general.
+Tabla 42. Verificación del objetivo general.
Aspecto | Objetivo | Resultado | Cumplimiento |
Métrica | CER | CER | ✓ |
Umbral | < 2% | 1.49% | ✓ |
Método | Sin fine-tuning | Solo hiperparámetros | ✓ |
Hardware | Sin GPU | CPU only | ✓ |
Fuente: Elaboración propia.
Basándose en el análisis de correlación y el impacto observado:
-Tabla 41. Ranking de importancia de hiperparámetros.
+Tabla 43. Ranking de importancia de hiperparámetros.
Rank | Parámetro | Impacto | Evidencia |
1 | textline_orientation | CrÃtico | Reduce CER 69.7% |
2 | text_det_thresh | Alto | Correlación -0.52 |
3 | text_rec_score_thresh | Medio | Correlación -0.16 |
4 | text_det_box_thresh | Bajo | Correlación +0.23 |
5 | use_doc_orientation_classify | Nulo | Sin mejora |
6 | use_doc_unwarping | Nulo | Sin mejora |
Fuente: Elaboración propia.
Recomendación: Siempre activar textline_orientation=True para documentos estructurados.
Comportamiento observado:
-Tabla 42. Comportamiento observado
+Tabla 44. Comportamiento observado
Rango | CER tÃpico | Comportamiento |
0.0 - 0.1 | >20% | Fallos catastróficos |
0.1 - 0.3 | 5-15% | Rendimiento pobre |
0.3 - 0.5 | 1-5% | Rendimiento óptimo |
0.5 - 0.7 | 2-8% | Rendimiento aceptable |
Fuente: Elaboración propia.
Para documentos PDF digitales como los evaluados, estos módulos son innecesarios e incluso pueden introducir artefactos. Su desactivación reduce el tiempo de procesamiento sin pérdida de precisión.
Tabla 43. TipologÃa de errores observados.
+Tabla 45. TipologÃa de errores observados.
Tipo de error | Frecuencia | Ejemplo | Causa probable |
Pérdida de acentos | Alta | más → mas | Modelo de reconocimiento |
Duplicación de caracteres | Media | titulación → titulacióon | Solapamiento de detecciones |
Confusión de puntuación | Media | ¿ → ? | Caracteres similares |
Pérdida de eñe | Baja | año → ano | Modelo de reconocimiento |
Texto desordenado | Variable | Mezcla de lÃneas | Fallo de orientación |
Fuente: Elaboración propia.
Tabla 44. Tasa de error por tipo de contenido.
+Tabla 46. Tasa de error por tipo de contenido.
Tipo de contenido | CER estimado | Factor de riesgo |
Párrafos de texto | ~1% | Bajo |
Listas numeradas | ~2% | Medio |
Tablas simples | ~3% | Medio |
Encabezados + pie de página | ~2% | Medio |
Tablas complejas | ~5% | Alto |
Texto en columnas | ~4% | Alto |
Fuente: Elaboración propia.
Tabla 45. Cumplimiento de objetivos especÃficos.
+Tabla 47. Cumplimiento de objetivos especÃficos.
Objetivo | Descripción | Resultado | Estado |
OE1 | Comparar soluciones OCR | EasyOCR, PaddleOCR, DocTR evaluados; PaddleOCR seleccionado | ✓ Cumplido |
OE2 | Preparar dataset de evaluación | 24 páginas con ground truth | ✓ Cumplido |
OE3 | Identificar hiperparámetros crÃticos | textline_orientation y text_det_thresh identificados | ✓ Cumplido |
OE4 | Optimizar con Ray Tune (≥50 trials) | 64 trials ejecutados | ✓ Cumplido |
OE5 | Validar configuración optimizada | CER: 7.78% → 1.49% documentado | ✓ Cumplido |
Fuente: Elaboración propia.
Para documentos académicos en español similares a los evaluados:
-Tabla 46. Configuración recomendada para PaddleOCR.
+Tabla 48. Configuración recomendada para PaddleOCR.
Parámetro | Valor | Prioridad | Justificación |
textline_orientation | True | Obligatorio | Reduce CER en 69.7% |
text_det_thresh | 0.45 (rango: 0.4-0.5) | Recomendado | Correlación fuerte con CER |
text_rec_score_thresh | 0.6 (rango: 0.5-0.7) | Recomendado | Filtra reconocimientos poco confiables |
text_det_box_thresh | 0.55 (rango: 0.5-0.6) | Opcional | Impacto moderado |
use_doc_orientation_classify | False | No recomendado | Innecesario para PDFs digitales |
use_doc_unwarping | False | No recomendado | Innecesario para PDFs digitales |
Fuente: Elaboración propia.
Para evaluar la viabilidad práctica del enfoque optimizado en escenarios de producción, se realizó una validación adicional utilizando aceleración GPU. Esta fase complementa los experimentos en CPU presentados anteriormente y demuestra la aplicabilidad del método cuando se dispone de hardware con capacidad de procesamiento paralelo.
Tabla 47. Especificaciones del entorno de validación GPU.
+Tabla 49. Especificaciones del entorno de validación GPU.
Componente | Especificación |
GPU | NVIDIA GeForce RTX 3060 Laptop |
VRAM | 5.66 GB |
CUDA | 12.4 |
Sistema Operativo | Ubuntu 24.04.3 LTS |
Kernel | 6.14.0-37-generic |
Fuente: Elaboración propia.
El entorno de validación representa hardware de consumo tÃpico para desarrollo de aplicaciones de machine learning, permitiendo evaluar el rendimiento en condiciones realistas de despliegue.
Se evaluó el tiempo de procesamiento utilizando la configuración optimizada identificada en la fase anterior, comparando el rendimiento entre CPU y GPU.
-Tabla 48. Rendimiento comparativo CPU vs GPU.
+Tabla 50. Rendimiento comparativo CPU vs GPU.
Métrica | CPU | GPU (RTX 3060) | Factor de Aceleración |
Tiempo/Página | 69.4s | 0.55s | 126x |
Dataset completo (45 páginas) | ~52 min | ~25 seg | 126x |
Fuente: Elaboración propia.
La aceleración de 126x obtenida con GPU transforma la aplicabilidad práctica del sistema. Mientras que el procesamiento en CPU limita el uso a escenarios de procesamiento por lotes sin restricciones de tiempo, la velocidad con GPU habilita casos de uso interactivos y de tiempo real.
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 49. Comparación de modelos Mobile vs Server en RTX 3060.
+Tabla 51. Comparación de modelos Mobile vs Server en RTX 3060.
Modelo | VRAM Requerida | Resultado | Recomendación |
PP-OCRv5 Mobile | 0.06 GB | Funciona correctamente | ✓ Recomendado |
PP-OCRv5 Server | 5.3 GB | OOM en página 2 | ✗ Requiere >8 GB VRAM |
Fuente: Elaboración propia.
Este capÃt
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 50. Cumplimiento del objetivo de CER. Tabla 52. Cumplimiento del objetivo de CER. Métrica Objetivo Resultado CER < 2% 1.49% Fuente: Elaboración propia. Conclusiones Generales
Tabla 51. Especificaciones del sistema de desarrollo.
+Tabla 53. Especificaciones del sistema de desarrollo.
Componente | Especificación |
Sistema Operativo | Ubuntu 24.04.3 LTS |
CPU | AMD Ryzen 7 5800H |
RAM | 16 GB DDR4 |
GPU | NVIDIA RTX 3060 Laptop (5.66 GB VRAM) |
CUDA | 12.4 |
Fuente: Elaboración propia.
Tabla 52. Dependencias del proyecto.
+Tabla 54. Dependencias del proyecto.
Componente | Versión |
Python | 3.12.3 |
Docker | 29.1.5 |
NVIDIA Container Toolkit | Requerido para GPU |
Ray | 2.52.1 |
Optuna | 4.7.0 |
Fuente: Elaboración propia.
Tabla 53. Servicios Docker y puertos.
+Tabla 55. Servicios Docker y puertos.
Servicio | Puerto | Script de Ajuste |
PaddleOCR | 8002 | paddle_ocr_payload |
DocTR | 8003 | doctr_payload |
EasyOCR | 8002 | easyocr_payload |
Fuente: Elaboración propia.
·     DocTR - Más rápido (0.50s/página)
·     EasyOCR - Balance intermedio
Tabla 54. Resumen de resultados del benchmark por servicio.
+Tabla 56. Resumen de resultados del benchmark por servicio.
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: Elaboración propia.
Universidad
-Internacional de La Rioja
Escuela
-Superior de Ingeniería y
Tecnología
Máster Universitario
-en Inteligencia artificial
Optimización de Hiperparámetros OCR
-con Ray Tune para Documentos Académicos en Español
|
- Trabajo fin de
- estudio presentado por: |
-
- Sergio Jiménez Jiménez |
-
|
- Tipo de
- trabajo: |
-
- Desarrollo
- Software |
-
|
- Director/a: |
-
- Javier Rodrigo
- Villazón Terrazas |
-
|
- Fecha: |
-
- 06.10.2025 |
-
Resumen
- -En este
-apartado se introducirá un breve resumen en español del trabajo realizado
-(extensión entre 150 y 300 palabras). Este resumen debe incluir el objetivo o
-propósito de la investigación, la metodología, los resultados y las
-conclusiones.
El resumen
-debe contener lo qué se ha pretendido realizar (objetivo o propósito de la
-investigación), cómo se ha realizado (método o proceso desarrollado) y para qué
-se ha realizado (resultados y conclusiones).
Importante: La extensión mínima en un TFE individual es de 50 páginas, sin contar -portada, resumen, abstract, índices y anexos.
- -Palabras clave: (De 3 a 5 palabras) Descriptores
-del trabajo que lo enmarcan en unas temáticas determinadas. Serán los
-utilizados para localizar tu trabajo si llega a ser publicado.
Abstract
- -En -este apartado se introducirá un breve resumen en inglés del trabajo -realizado (extensión entre 150 y 300 palabras). Este resumen debe incluir el -objetivo o propósito de la investigación, la metodología, los resultados y las -conclusiones.
- -Keywords: (De 3 a 5 palabras en inglés)
- -Índice de contenidos
- - - - - -1.2. Planteamiento
-del trabajo3
2. Contexto
-y estado del arte4
3. Objetivos
-concretos y metodología de trabajo6
3.3. Metodología
-del trabajo8
4. Desarrollo específico de la contribución9
5. Conclusiones
-y trabajo futuro13
5.2. Líneas
-de trabajo futuro13
Referencias bibliográficas. 14
Anexo A. Código
-fuente y datos analizados15
-Índice de figuras
Figura 1. Ejemplo
-de figura realizada para nuestro trabajo.2
-Índice de tablas
Tabla 1. Ejemplo
-de tabla con sus principales elementos.2
El primer capítulo es siempre -una introducción. En ella debes resumir de forma esquemática pero -suficientemente clara lo esencial de cada una de las partes del trabajo. La -lectura de este primer capítulo ha de dar una primera idea clara de lo que se -pretendía, las conclusiones a las que se ha llegado y del procedimiento -seguido.
- -Como tal, es uno de los -capítulos más importantes de la memoria. Las ideas -principales a transmitir son la identificación del problema a tratar, la -justificación de su importancia, los objetivos generales (a grandes rasgos) y -un adelanto de la contribución que esperas hacer.
- -Típicamente una introducción -tiene tres apartados: Motivación, Planteamiento del trabajo, Estructura del -trabajo. (Texto Normal del menú de estilos.)
- -Ejemplo de nota al pie[1].
- -En este apartado se deberá -presentar el problema de estudio al que se quiere dar solución y justificar su -importancia para la comunidad educativa y científica.
- -La lectura de este apartado -debe dar una idea clara de las razones, motivos e intereses que han llevado a -la elección de este tema. Recuerda que para poder justificar este trabajo debe -haber referencias a la investigación previa sobre el tema objeto de estudio, -independientemente de que luego se profundice en otros apartados.
- -Las siguientes preguntas -puedan ayudar a la redacción de este apartado:
- -„ ¿Cuál es el problema que quieres tratar?
- -„ ¿Cuáles crees que son las causas?
- -„ ¿Por qué es relevante el problema?
- -A continuación, se indica con -un ejemplo cómo deben introducirse los títulos y las fuentes en Tablas y Figuras.
- -Tabla 1. Ejemplo de tabla con sus principales
-elementos.
Fuente: American Psychological Association, -2020a.
- - - -Figura 1. Ejemplo de figura realizada para nuestro
-trabajo.
Fuente: -American Psychological Association, 2020b.
- -Se debe plantear, de forma -breve, el problema / necesidad detectada de la que se parte para proponer la -propuesta y la finalidad del TFE. Los objetivos se van a plantear -posteriormente, pero en este apartado debe quedar claro qué te planteas con la -intervención.
- -Es necesario que los temas -escogidos tengan una vinculación directa con la ingeniería de software, el -desarrollo web y/o la ciberseguridad y, por tanto, el tema trabajado debe estar -en consonancia con la titulación.
- -Las siguientes preguntas -puedan ayudar a la redacción de este apartado:
- -„ ¿Cómo se podría solucionar el problema?
- -„ -¿Qué es lo que se propone? Aquí -describes tus objetivos en términos generales.
- -Aquí describes brevemente lo -que vas a contar en cada uno de los capítulos siguientes.
- -Después de la introducción, se suele describir el contexto de
-aplicación. Suele ser un capítulo (o dos en ciertos casos) en el que se estudia
-a fondo el dominio de aplicación, citando numerosas referencias. Debe aportar
-un buen resumen del conocimiento que ya existe en el campo de los problemas
-habituales identificados.
Es conveniente que revises los estudios actuales publicados en la línea
-elegida, y deberás consultar diferentes fuentes. No es suficiente con la
-consulta on-line, es necesario acudir a la biblioteca y consultar manuales
-técnicos.
Hay que tener presente los autores de referencia en la temática del
-trabajo de investigación. Si se ha excluido a alguno de los relevantes hay que
-justificar adecuadamente su exclusión. Si por la extensión del trabajo no se
-puede señalar a todos los autores, habrá que justificar por qué se han elegido
-unos y se ha prescindido de otros.
La organización específica en -secciones dependerá estrechamente el trabajo concreto que vayas a realizar. En -este punto será fundamental la colaboración con tu DIRECTOR, él podrá -asesorarte y guiarte, aunque siempre debes tener claro que el trabajo fundamental -es tuyo.
- -El capítulo debería concluir
-con una última sección de resumen de conclusiones, resumiendo las principales
-averiguaciones del estudio del dominio y cómo van a afectar al desarrollo
-específico del trabajo.
Recuerda que para citar trabajos de diferentes autores es fundamental e -imprescindible seguir el formato APA, según se describe en -el documento Normativa_APA.pdf disponible en el apartado de Documentación del -Aula de información general del Máster Universitario en Inteligencia Artificial -(MIA). No se debe mencionar, ni utilizar ninguna fuente, sin citarla apropiadamente.
- -Estado del arte (base -teórica): antecedentes, estudios actuales, comparativa de herramientas -existentes, etc.
- -Conclusiones (nexo de unión de lo investigado con el trabajo a realizar).
- -Este tercer capítulo es el -puente entre el estudio del dominio y la contribución a realizar. Según el -trabajo concreto, el bloque se puede organizar de distintas formas, pero hay -tres elementos que deben estar presentes con mayor o menor detalle: (1) objetivo -general, (2) objetivos específicos y (3) metodología de trabajo.
- -Es muy importante, por no -decir imprescindible, que los objetivos (general y específicos) sean SMART -(Doran, 1981) según la idea de George T. Doran que utilizó la palabra smart (inteligente en inglés) para definir las -características de un objetivo:
- -• S: Specific / Específico: que -exprese claramente qué es exactamente -lo que se quiere conseguir.
- -• M: Measurable / Medible: que se -puedan establecer medidas que determinen el éxito o fracaso y también el -progreso en la consecución del objetivo.
- -• A: Attainable / Alcanzable: que -sea viable su consecución en base al esfuerzo, tiempo y recursos disponibles -para conseguirlo.
- -• R: Relevant / Relevante: que -tenga un impacto demostrable, es decir que sea útil para un propósito concreto.
- -• T: Time-Related / Con un tiempo -determinado: que se pueda llevar a cabo en una fecha determinada.
- -Los trabajos aplicados se -centran en conseguir un impacto concreto, demostrando la efectividad de una -tecnología, proponiendo una nueva metodología o aportando nuevas herramientas -tecnológicas. El objetivo por tanto no debe ser sin más “crear una herramienta” -o “proponer una metodología”, sino que debe centrarse en conseguir un efecto -observable. Además, como se ha dicho antes el objetivo general debe ser SMART
- -Ejemplo de objetivo general -SMART: Mejorar el servicio de audio guía de un museo convirtiéndolo en una guía -interactiva controlada por voz y valorada positivamente, un mínimo 4 sobre 5, -por los visitantes del museo.
- -Este objetivo descrito -anteriormente podría dar lugar a un trabajo de tipo 2 (desarrollo de software) -que plantease el desarrollo de un bot conversacional -que procesara la señal de voz recogida a través del micrófono y a través de -técnicas de procesamiento del lenguaje natural fuera capaz de mantener una -conversación con el visitante para determinar el contenido en el que está -interesado o resolver las posibles dudas o preguntas que pudiera tener a lo -largo de su visita.
- -Independientemente del tipo de -trabajo, la hipótesis o el objetivo general típicamente se dividirán en un -conjunto de objetivos más específicos analizables por separado. Estos objetivos -específicos suelen ser explicaciones de los diferentes pasos o tareas a seguir -en la consecución del objetivo general.
- -Con los objetivos específicos -has de concretar qué pretendes conseguir. Estos objetivos que deben ser SMART -se formulan con un verbo en infinitivo más el contenido del objeto de estudio. -Se suelen usar viñetas para cada uno de los objetivos. Se pueden utilizar -fórmulas verbales, como las siguientes:
- -Los objetivos específicos -suelen ser alrededor de 5. Normalmente uno o dos sobre el marco teórico o -estado del arte y dos o tres sobre el desarrollo específico de la contribución.
- -En un trabajo como el anterior -se incluirían objetivos específicos tales como:
- -De cara a alcanzar los objetivos específicos (y con ellos el objetivo -general o la validación/refutación de la hipótesis), será necesario realizar -una serie de pasos. La metodología del trabajo debe describir qué pasos se van -a dar, el porqué de cada paso, qué instrumentos se van a utilizar, cómo se van -a analizar los resultados, etc.
- -4. Desarrollo
-específico de la contribución
Tipo 1. Piloto experimental
Capítulo 4 - Descripción
-detallada del experimento
En el capítulo de Objetivos y Metodología del Trabajo ya habrás -descrito a grandes rasgos la metodología experimental que vas a seguir. Pero si -tu trabajo se centra en describir un piloto, deberás dedicar un capítulo a -describir con todo detalle las características del piloto. Como mínimo querrás -mencionar:
- -„ -Qué tecnologías se utilizaron -(incluyendo justificación de por qué se emplearon y descripciones detalladas de -las mismas).
- -„ -Cómo se organizó el piloto
- -„ -Qué personas participaron (con -datos demográficos)
- -„ -Qué técnicas de evaluación -automática se emplearon.
- -„ -Cómo transcurrió el experimento.
- -„ -Qué instrumentos de seguimiento y -evaluación se utilizaron.
- -„ -Qué tipo de análisis estadísticos -se ha empleado (si procede).
- -Capítulo 5 - Descripción de
-los resultados
En el siguiente capítulo deberás detallar los resultados obtenidos, con -tablas de resumen, gráficas de resultados, identificación de datos relevantes, -etc. Es una exposición objetiva, sin valorar los resultados ni justificarlos.
- -Capítulo 6 - Discusión
Tras la presentación objetiva de los resultados, querrás aportar una -discusión de los mismos. En este capítulo puedes -discutir la relevancia de los resultados, presentar posibles explicaciones para -los datos anómalos y resaltar aquellos datos que sean particularmente -relevantes para el análisis del experimento.
- -Tipo 2. Desarrollo de
-software
En un trabajo de desarrollo de software es importante justificar los -criterios de diseño seguidos para desarrollar el programa, seguido de la -descripción detallada del producto resultante y finalmente una evaluación de la -calidad y aplicabilidad del producto. Esto suele verse reflejado en la -siguiente estructura de capítulos:
- -Capítulo 4 - Identificación
-de requisitos
En este capítulo se debe indicar el trabajo previo realizado para guiar -el desarrollo del software. Esto debería incluir la identificación adecuada del -problema a tratar, así como del contexto habitual de uso o funcionamiento de la -aplicación. Idealmente, la identificación de requisitos se debería hacer -contando con expertos en la materia a tratar.
- -Capítulo 5 - Descripción de
-la herramienta software desarrollada
En el caso de desarrollos de -software, deberían aportarse detalles del proceso de desarrollo, incluyendo -las fases e hitos del proceso. También deben presentarse diagramas explicativos -de la arquitectura o funcionamiento, así como capturas de pantalla que permitan -al lector entender el funcionamiento del programa.
- -Capítulo 6 - Evaluación
La evaluación debería cubrir por lo menos una mínima evaluación de la -usabilidad de la herramienta, así como de su aplicabilidad para resolver el -problema propuesto. Estas evaluaciones suelen realizarse con usuarios expertos.
- -Tipo 3. Comparativa de
-soluciones
Este tipo de trabajos suelen -seguir la estructura típica de un estudio comparativo, parten de plantear la -comparativa a realizar, describen el desarrollo de la misma -y analizan los resultados.
- -Capítulo 4 - Planteamiento de la comparativa
En este capítulo se debe -indicar el trabajo previo realizado para identificar el problema concreto a -tratar, así como las posibles soluciones alternativas que se van a evaluar. -También se deben identificar los criterios de éxito para la comparativa, las medidas -que se van a tomar, etc.
- -Capítulo 5 - Desarrollo de la comparativa
En este capítulo se debería -desarrollar con todo detalle la comparativa realizada, con todos los resultados -y mediciones obtenidos. Puede ser útil acompañar las descripciones con -gráficas, tablas y otros instrumentos para plasmar los datos obtenidos.
- -Capítulo 6 - Discusión y análisis de resultados
Mientras que el capítulo -anterior se centraría en informar de los resultados y comparaciones obtenidos, -en este capítulo se abordará la discusión sobre su posible significado, así -como el análisis de las ventajas y desventajas de las distintas soluciones -evaluadas.
- -En
-el capítulo de Objetivos y Metodología del Trabajo ya habrás descrito a grandes
-rasgos la metodología experimental que vas a seguir. Pero si tu trabajo se
-centra en describir un piloto, deberás dedicar un capítulo a describir con todo
-detalle las características del piloto. Como mínimo querrás mencionar:
· Qué tecnologías se utilizaron
-(incluyendo justificación de por qué se emplearon y descripciones
-detalladas de las mismas).
· Cómo se organizó el piloto
· Qué personas participaron (con
-datos demográficos)
· Qué técnicas de evaluación
-automática se emplearon.
· Cómo transcurrió́ el experimento.
· Qué instrumentos de seguimiento y
-evaluación se utilizaron.
·
-Qué
-tipo de análisis estadísticos se ha empleado (si procede).
.
-
Este último capítulo (en ocasiones,
-dos capítulos complementarios) es habitual en todos los tipos de trabajos y presenta
-el resumen final de tu trabajo y debe servir para informar del alcance y
-relevancia de tu aportación.
Suele estructurarse empezando con un
-resumen del problema tratado, de cómo se ha abordado y de por qué la solución
-sería válida.
Es
-recomendable que incluya también un resumen de las contribuciones del trabajo,
-en el que relaciones las contribuciones y los resultados obtenidos con los
-objetivos que habías planteado para el trabajo, discutiendo hasta qué punto has
-conseguido resolver los objetivos planteados.
Finalmente, se suele dedicar una última sección a hablar de líneas de
-trabajo futuro que podrían aportar valor añadido al TFE realizado. La sección
-debería señalar las perspectivas de futuro que abre el trabajo desarrollado
-para el campo de estudio definido. En el fondo, debes justificar de qué modo
-puede emplearse la aportación que has desarrollado y en qué campos.
Según la normativa APA debe ponerse
-con sangría francesa y debe estar ordenado por orden alfabético según el
-apellido del primer autor.
Toda la bibliografía que aparezca en
-este apartado debe estar citada en el trabajo. La mayor parte de las citas
-deben aparecer en el capítulo 2, que es donde se realiza el estudio del estado
-del arte. Además, se recomienda evitar citas que hagan referencia a Wikipedia y
-que no todas las referencias sean solo enlaces de internet, es decir, que se
-vea alguna variabilidad entre libros, congresos, artículos y enlaces puntuales
-de internet.
Se recomienda encarecidamente
-utilizar el gestor de bibliografía de Word para gestionar la bibliografía.
Ejemplo:
Doran, G. T.
-(1981). There's a S.M.A.R.T. way to write management's goals and objectives. Management Review (AMA FORUM), 70, 35-36.
-
Anexo A. -Código fuente y datos analizados
- -Es recomendable que el estudiante incluya en -su memoria la URL del repositorio donde tiene alojado el código fuente -desarrollado durante el TFE. El estudiante debe ser el único autor del código y -único propietario del repositorio. En el repositorio no debe haber commit de ningún otro usuario del repositorio.
- -De igual forma, los datos que hayan utilizado -para el análisis, siempre que así se considere oportuno, también deberían están -alojamos en el mismo repositorio.
- -Si el TFE está asociado a una actividad o -proyecto de Empresa, se debe justificar en la memoria que, por temas de -confidencialidad, no se deja disponible ni el código fuente ni los datos -utilizados.
- -