# Métricas de Rendimiento OCR

**Fecha de Benchmark:** 2026-01-19
**Dataset de Prueba:** 45 páginas (2 PDFs)

## Especificaciones del Sistema

| Componente | Especificación |
|------------|----------------|
| **Sistema Operativo** | Ubuntu 24.04.3 LTS (Noble) |
| **Kernel** | 6.14.0-37-generic |
| **CPU** | AMD Ryzen 7 5800H with Radeon Graphics |
| **RAM** | 16 GB DDR4 |
| **GPU** | NVIDIA GeForce RTX 3060 Laptop GPU |
| **VRAM** | 5.66 GB |
| **CUDA** | 12.4 |

## Justificación de Ejecución Local vs Cloud

### Costos de Cloud GPU

| 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 |

### Análisis de Costos para Este Proyecto

| 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/debug (20 horas/mes) | 20 horas | ~$10.52 | ~$26.00 |

### Ventajas de Ejecución Local

1. **Costo cero de GPU**: La RTX 3060 ya está disponible en el equipo de desarrollo
2. **Sin límites de tiempo**: AWS y Colab tienen timeouts de sesión
3. **Acceso instantáneo**: Sin tiempo de aprovisionamiento de instancias
4. **Almacenamiento local**: Dataset y resultados en disco sin costos de transferencia
5. **Iteración rápida**: Reinicio inmediato de contenedores Docker

### Conclusión

Para un proyecto de investigación con múltiples iteraciones de ajuste de hiperparámetros y desarrollo, **la ejecución local ahorra ~$50-100/mes** comparado con cloud, además de ofrecer mayor flexibilidad y velocidad de iteración

## Resumen Ejecutivo

| 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 |

> **Ganador:** PaddleOCR (Mobile) - Mejor precisión (7.76% CER) con velocidad competitiva.

## Fases Experimentales

Este documento presenta resultados de dos fases experimentales distintas realizadas durante el desarrollo del TFM. La primera fase corresponde a la optimización de hiperparámetros utilizando Ray Tune, ejecutada en CPU debido a las limitaciones de hardware iniciales. La segunda fase corresponde a la validación práctica con aceleración GPU para evaluar la viabilidad en escenarios de producción.

**Tabla.** *Fases experimentales y sus características.*

| Fase | Dataset | Hardware | Resultado Principal |
|------|---------|----------|---------------------|
| Optimización (CPU) | 24 páginas | CPU | CER: 7.78% → **1.49%** (80.9% mejora) |
| Validación (GPU) | 45 páginas | RTX 3060 | CER: 7.76% baseline, 0.55s/página |

*Fuente: Elaboración propia.*

La fase de optimización representa el **resultado principal del TFM** (CER 1.49%, precisión 98.51%). La fase de validación GPU confirma la viabilidad práctica del enfoque, demostrando una aceleración de 126x respecto a CPU.

## Comparación de Servicios OCR

### 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"]
    y-axis "CER %" 0 --> 15
    bar [7.76, 11.23, 12.06]
```

### 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"]
    y-axis "Segundos" 0 --> 2
    bar [0.50, 0.58, 1.88]
```

### Flujo de Recomendación de Servicio

```mermaid
flowchart LR
    A{Prioridad?}
    A -->|Precisión| B[PaddleOCR]
    A -->|Velocidad| C[DocTR]
    A -->|Balance| B
    B --> D["7.76% CER<br/>0.58s/página"]
    C --> E["12.06% CER<br/>0.50s/página"]
```

### Hallazgos Clave

1. **Mejor Precisión**: PaddleOCR logra las tasas de error más bajas (7.76% CER, 11.62% WER)
2. **Mejor Velocidad**: DocTR es el más rápido (0.50s/página), pero 55% menos preciso que PaddleOCR
3. **EasyOCR**: El más lento (3.8x más lento que PaddleOCR) con precisión intermedia
4. **Eficiencia VRAM**: PaddleOCR Mobile usa solo 0.06 GB

## Configuración de Modelos

| Servicio | Detección | Reconocimiento | ¿Correcto para Español? |
|----------|-----------|----------------|-------------------------|
| **PaddleOCR** | PP-OCRv5_mobile_det | PP-OCRv5_mobile_rec | Sí |
| **DocTR** | db_resnet50 | crnn_vgg16_bn | No (entrenado en inglés/francés) |
| **EasyOCR** | CRAFT | latin_g2.pth | Sí |

### Notas sobre Modelos

- **PaddleOCR**: Modelos server más precisos disponibles pero requieren >5.3 GB VRAM (OOM en RTX 3060)
- **DocTR**: Se probó modelo `parseq` como alternativa, resultó 2% peor CER y 2x más lento. El problema de diacríticos es de datos de entrenamiento, no de arquitectura
- **EasyOCR**: Modelo `latin_g2.pth` es correcto. Los problemas son del detector CRAFT, no del reconocimiento

> **Conclusión sobre Fine-tuning:** Para documentos en español, **usar PaddleOCR directamente**. El fine-tuning de DocTR/EasyOCR no se justifica dado que PaddleOCR ya ofrece 31-36% mejor precisión sin configuración adicional.

## Análisis de Errores (del debugset)

### PaddleOCR (Mejor - 7.76% CER)
- **Fortalezas**: Preserva estructura de líneas, maneja bien acentos españoles
- **Problemas**: Errores menores de espaciado, diferencias ocasionales de mayúsculas en acentos
- **Mejorable**: Sí - el ajuste de hiperparámetros probablemente ayude

### DocTR (Peor WER - 42.01%)
- **Problema Crítico**: Colapsa todo el texto en líneas únicas (pierde estructura)
- **Problema de Acentos**: Omite diacríticos ("Indice" vs "Índice")
- **Mejorable**: Parcialmente - el problema de estructura puede ser a nivel de modelo

### EasyOCR (36.36% WER)
- **Problema Crítico**: Inserciones espurias de caracteres (";", "g", "0", "1")
- **Pérdida de Estructura**: Saltos de línea no preservados
- **Mejorable**: Sí - umbrales de detección demasiado sensibles

## Comparación de Modelos PaddleOCR (RTX 3060)

| Métrica | Modelos Server | Modelos Mobile | Ganador |
|---------|----------------|----------------|---------|
| **Tiempo** | 2.47s | 1.08s | Mobile (2.3x más rápido) |
| **CER** | 1.82% | 1.42% | Mobile |
| **WER** | 16.14% | 12.20% | Mobile |
| **VRAM** | 5.3 GB (OOM en página 2) | 0.06 GB | Mobile |
| **Multi-página** | No (OOM) | Sí | Mobile |

> **Conclusión:** Se recomiendan los modelos Mobile - más rápidos, más precisos, caben en VRAM.

## Rendimiento CPU vs GPU (PaddleOCR)

Datos de `raytune_paddle_subproc_results_20251207_192320.csv` (CPU) vs RTX 3060 (GPU):

| 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** |

```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)"]
    y-axis "Segundos" 0 --> 80
    bar [69.4, 0.55]
```

> **Conclusión:** GPU es esencial para uso práctico de OCR. El procesamiento en CPU es 126x más lento, haciéndolo impráctico para procesamiento por lotes.

## Datos Crudos del Benchmark

```json
{
  "timestamp": "2026-01-19T11:00:00.000000",
  "platform": {
    "gpu": "NVIDIA GeForce RTX 3060 Laptop GPU",
    "vram": "5.66 GB",
    "cuda": "12.4"
  },
  "services": {
    "PaddleOCR_Mobile": {
      "port": 8002,
      "models": {"det": "PP-OCRv5_mobile_det", "rec": "PP-OCRv5_mobile_rec"},
      "vram_used": "0.06 GB",
      "results": {
        "CER": 0.0776,
        "WER": 0.1162,
        "PAGES": 45,
        "TIME_PER_PAGE": 0.58,
        "TOTAL_TIME": 32.0
      }
    },
    "DocTR": {
      "port": 8003,
      "models": {"det": "db_resnet50", "rec": "crnn_vgg16_bn"},
      "vram_used": "~1 GB",
      "results": {
        "CER": 0.1206,
        "WER": 0.4201,
        "PAGES": 45,
        "TIME_PER_PAGE": 0.50,
        "TOTAL_TIME": 28.4
      }
    },
    "EasyOCR": {
      "port": 8002,
      "languages": ["es", "en"],
      "vram_used": "~2 GB",
      "results": {
        "CER": 0.1123,
        "WER": 0.3636,
        "PAGES": 45,
        "TIME_PER_PAGE": 1.88,
        "TOTAL_TIME": 88.5
      }
    }
  }
}
```

## Resultados de Ajuste de Hiperparámetros

Resultados individuales de ajuste por servicio (64 muestras cada uno, páginas 5-10):

- [Resultados de Ajuste PaddleOCR](metrics_paddle.md)
- [Resultados de Ajuste DocTR](metrics_doctr.md)
- [Resultados de Ajuste EasyOCR](metrics_easyocr.md)

## Próximos Pasos

1. ~~Ajuste de Hiperparámetros~~ - Completado (64 muestras por servicio)
2. **Evaluación del Dataset Completo** - Ejecutar mejores configuraciones en las 45 páginas
3. **Comparar** - Rendimiento base vs ajustado en dataset completo