Exige recortar la imagen a mano y falla al validar palabras clave.
Basta una orientación incorrecta para que el sistema no entienda el texto.
Cada falla se traduce en una llamada más a soporte técnico o procesos inconclusos.
Captura
CNN
OCR
Resultado
Una CNN extrae patrones visuales apilando dos operaciones matemáticas: convolución y pooling.
Aplica el filtro bidimensional sobre los 3 canales RGB sumando el sesgo:
Reduce las dimensiones al quedarse con el valor máximo regional:
34,296
Integrado con 1,057 INE Frontales con data aumentada de 7,992, dando un total de 9,049, y enriquecido con 25,247 imágenes como otras identificaciones, para enseñarle al modelo a rechazar documentos que no son una INE.
82.23%
Train (28,197)9.11%
Test (3,125)8.67%
Validate (2,974)320 × 208 px RGB
RMSprop lr=1e-4
Binary Crossentropy
30
| Capa / Orden | Tipo de capa | Filtros / Neuronas | Kernel | Activación | Formato de salida |
|---|---|---|---|---|---|
| Entrada | Input Tensor | Canales RGB | — | — | 208 × 320 × 3 |
| mb_conv2d | MBConv2D | — | — | — | 208 × 320 × 32 |
| mb_conv2d_1 | MBConv2D | — | — | — | 104 × 160 × 64 |
| mb_conv2d_2 | MBConv2D | — | — | — | 52 × 80 × 128 |
| mb_conv2d_3 | MBConv2D | — | — | — | 26 × 40 × 128 |
| Extracción | Flatten (Aplanado) | Vector lineal | — | — | 33,280 elementos |
| Clasificación | Dense (Totalmente conectada) | 512 neuronas | — | ReLU | 512 |
| Salida | Dense (Clasificador binario) | 1 neuronas | — | Sigmoide | 1 (Probabilidad de INE) |
Verificación de Identificaciones mediante Redes Neuronales
Pérdida
Precisión
146
5
2
2,821