MastersThesis/docs/metrics/metrics_easyocr.md

Resultados de Ajuste de Hiperparámetros EasyOCR

Fecha de Ajuste: 2026-01-19 Plataforma: NVIDIA RTX 3060 Laptop GPU Muestras: 64 Páginas de Prueba: 5-10 (primer documento)

¿Por Qué Solo 5 Páginas?

Usamos solo 5 páginas (páginas 5-10) para el ajuste de hiperparámetros porque:

1. Velocidad: 64 pruebas × 5 páginas = 320 evaluaciones de página. Con 45 páginas, serían 2,880 evaluaciones (~9x más tiempo)
2. Eficiencia de recursos: Cada prueba toma ~10-20 segundos en GPU

Riesgo de Sobreajuste: El ajuste de hiperparámetros en un subconjunto pequeño PUEDE causar sobreajuste. Nuestros resultados confirman esto:

• Subconjunto de ajuste: 48% mejora (5.83% CER)
• Dataset completo: 0.8% mejora (11.14% CER)

La mejora mínima en el dataset completo indica que los hiperparámetros se sobreajustaron a las páginas 5-10. Los problemas de EasyOCR (detecciones espurias, pérdida de estructura) también pueden ser parcialmente a nivel de modelo.

Evaluación del Dataset Completo (45 páginas)

Métrica	Base	Ajustado	Mejora
CER	11.23%	11.14%	0.8%
WER	36.36%	36.85%	-1.3%
Tiempo/Página	1.84s	1.94s	-

Nota: El ajuste mostró mejora mínima en el dataset completo. Los problemas de EasyOCR pueden ser a nivel de modelo.

Resultados del Subconjunto de Ajuste (páginas 5-10)

Métrica	Base	Ajustado	Mejora
CER	11.23%	5.83%	48%
WER	36.36%	26.33%	28%

Nota: Las grandes mejoras en el subconjunto de ajuste no se transfirieron al dataset completo.

Mejor Configuración Encontrada

{
  "text_threshold": 0.6647,
  "low_text": 0.4247,
  "link_threshold": 0.2184,
  "slope_ths": 0.1629,
  "ycenter_ths": 0.7994,
  "height_ths": 0.6437,
  "width_ths": 0.6065,
  "add_margin": 0.1462,
  "contrast_ths": 0.1671,
  "adjust_contrast": 0.6416,
  "decoder": "greedy",
  "beamWidth": 7,
  "min_size": 10
}

Hallazgos Clave

1. decoder: greedy - Consistentemente mejor que beamsearch para este dataset
2. Mayor text_threshold (0.66) - Reduce detecciones espurias
3. min_size: 10 - Filtra artefactos de ruido pequeños
4. Umbrales moderados - Sensibilidad de detección balanceada

Impacto de Parámetros

Parámetros que mejoraron la precisión:

• decoder="greedy" consistentemente superó a beamsearch
• Mayor text_threshold (0.6-0.8) redujo el ruido
• min_size >= 5 ayudó a filtrar artefactos

Parámetros que perjudicaron la precisión:

• decoder="beamsearch" causó ~35-40% CER en muchas pruebas
• text_threshold muy bajo (<0.4) detectó demasiado ruido
• min_size alto (>15) omitió algo de texto

Comparación con Problemas de Base

Problemas originales identificados en el debugset:

• Inserciones espurias de caracteres - Mejorado con umbrales más altos
• Pérdida de estructura - Todavía presente pero menos severa

Evaluación del Dataset Completo

Estado: Completado

curl -X POST http://localhost:8002/evaluate_full \
  -H "Content-Type: application/json" \
  -d '{
    "pdf_folder": "/app/dataset",
    "text_threshold": 0.6647,
    "low_text": 0.4247,
    "link_threshold": 0.2184,
    "slope_ths": 0.1629,
    "ycenter_ths": 0.7994,
    "height_ths": 0.6437,
    "width_ths": 0.6065,
    "add_margin": 0.1462,
    "contrast_ths": 0.1671,
    "adjust_contrast": 0.6416,
    "decoder": "greedy",
    "beamWidth": 7,
    "min_size": 10,
    "save_output": true
  }'

Resultado: CER 11.14%, WER 36.85%, 1.94s/página (mejora mínima)

Conclusión: El ajuste de EasyOCR proporcionó mejora insignificante en el dataset completo.

Configuración del Modelo

Modelo Actual (Correcto para Español)

Componente	Modelo	Estado
Detección	CRAFT	Correcto
Reconocimiento	latin_g2.pth	Correcto para español
Idiomas	es,en	Correcto

El modelo latin_g2.pth está optimizado para idiomas con escritura latina incluyendo español. El modelo de reconocimiento es correcto - los problemas observados (caracteres espurios 0, ;, g) son del detector CRAFT, no del modelo de reconocimiento.

No Se Requiere Cambio de Modelo

A diferencia de DocTR, EasyOCR usa el modelo correcto para español. Los problemas son de detección (umbrales del CRAFT), no de reconocimiento.

Análisis de Errores del Debugset

Errores Observados

Ground Truth	EasyOCR	Tipo de Error
o figura	0 figura	Letra o → número 0
tabla o figura	tabla 0 figura	Letra o → número 0
grupal,	grupal;	Coma → punto y coma
páginas,	páginas;	Puntuación incorrecta
(ninguno)	g, 1, 2	Caracteres espurios insertados
Líneas separadas	Todo en una línea	Estructura perdida

Problemas Críticos

1. Caracteres espurios: El detector CRAFT inserta caracteres falsos (g, 1, 2, ;) que no existen en el documento
2. Confusión letra/número: Consistentemente confunde o con 0
3. Puntuación incorrecta: Reemplaza comas por punto y coma
4. Pérdida de estructura: Todo el texto se colapsa en una línea

¿Fine-tuning Recomendado?

Sí. EasyOCR tiene problemas significativos que podrían mejorarse con fine-tuning:

Problema	¿Fine-tuning ayuda?	Explicación
Caracteres espurios	Sí	El detector CRAFT puede entrenarse para reducir falsos positivos
Confusión o/0	Sí	El modelo de reconocimiento aprendería del contexto español
Puntuación	Sí	Corpus español enseñaría patrones de puntuación correctos
Estructura	Parcial	Depende de parámetros de agrupación de texto

Cómo Fine-Tunear EasyOCR

EasyOCR permite fine-tuning del modelo de reconocimiento:

# 1. Preparar dataset en formato EasyOCR
# Estructura: images/ + labels.txt (imagen<tab>texto)

# 2. Entrenar modelo de reconocimiento
python train.py \
  --train_data ./train_data \
  --valid_data ./valid_data \
  --lang_list es en \
  --saved_model ./custom_model

Documentación: https://github.com/JaidedAI/EasyOCR/blob/master/custom_model.md

Alternativa Recomendada

Dado el CER de 11.14% y los problemas fundamentales de EasyOCR, se recomienda usar PaddleOCR (7.72% CER) en lugar de invertir esfuerzo en fine-tuning de EasyOCR