Verificación de Identificaciones
mediante Redes Neuronales

Desliza para comenzar↓

Introducción y planteamiento del problema

OCR tradicional

Exige recortar la imagen a mano y falla al validar palabras clave.

Errores de lectura

Basta una orientación incorrecta para que el sistema no entienda el texto.

Experiencia de usuario

Cada falla se traduce en una llamada más a soporte técnico o procesos inconclusos.

La Solución

Captura

CNN

OCR

Resultado

Verificación en tiempo real

Validación cada 0.5 s

Sin edición manual

Marco Teórico

Una CNN extrae patrones visuales apilando dos operaciones matemáticas: convolución y pooling.

Convolución

Aplica el filtro bidimensional sobre los 3 canales RGB sumando el sesgo:

Fórmula desarrollada

z_i,j,k = b_k + f_h-1Σu=0f_w-1Σv=0f_n'-1Σk'=0 x_i',j',k' · w_u,v,k',k

{

i' = i × s_h + uj' = j × s_w + v

Forma simplificada

z_i,j,k = b_k + Σu,v,k' x_i',j',k' · w_u,v,k',k

Pooling

Reduce las dimensiones al quedarse con el valor máximo regional:

Fórmula desarrollada

z_i,j,k = máx0≤u<p0≤v<q x_{i·s_h+u, j·s_w+v, k}

Dataset

34,296

Imágenes totales

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)

Arquitectura

Entrada

550 × 350 px RGB

Optimizer

RMSprop lr=1e-4

Loss

Binary Crossentropy

Épocas

Desliza la tabla para ver más →

Capa / Orden	Tipo de capa	Filtros / Neuronas	Kernel	Activación	Formato de salida
Entrada	Input Tensor	Canales RGB	—	—	350 × 550 × 3
conv2d	Conv2D	32 filtros	(3,3)	ReLU	348 × 548 × 32
max_pooling2d	MaxPooling2D	pool (2,2)	—	—	174 × 274 × 32
conv2d_1	Conv2D	64 filtros	(3,3)	SiLU	172 × 272 × 64
max_pooling2d_1	MaxPooling2D	pool (2,2)	—	—	86 × 136 × 64
conv2d_2	Conv2D	128 filtros	(3,3)	ReLU	84 × 134 × 128
max_pooling2d_2	MaxPooling2D	pool (2,2)	—	—	42 × 67 × 128
conv2d_3	Conv2D	128 filtros	(3,3)	SiLU	40 × 65 × 128
max_pooling2d_3	MaxPooling2D	pool (2,2)	—	—	20 × 32 × 128
flatten	Flatten (Aplanado)	Vector lineal	—	—	81,920 elementos
dropout	Dropout (Regularización)	rate = 0.05	—	—	81,920 elementos
dense	Dense	512 neuronas	—	ReLU	512 elementos
dropout_1	Dropout (Regularización)	rate = 0.1	—	—	512 elementos
Salida	Dense (Clasificador binario)	1 neurona	—	Sigmoide	1 (Probabilidad de INE)

Veamos el sistema funcionando

Verificación de Identificaciones mediante Redes Neuronales

Resultados

Comportamiento en 30 épocas

Curva de entrenamiento (30 épocas)

Pérdida

Precisión

Entrenamiento

Validación

Final: 99.2% acc (99.4% val) · 0.0208 loss (0.0284 val)

Matriz de confusión

Pred. inePred. otro

Real ine

146

Real otro

2,816

Val Acc 99.6%
Diagonal (azul) = correcto. Fuera de diagonal (rojo) = error.

Espacio de features (capa densa, 512 dim)

PCAPC1 56.2% + PC2 14.2%

t-SNE

ine

otro

Distribución de pesos por capa

Bloque 1

μ=0.007 · sp 0.12%

Bloque 2

μ=0.003 · sp 0.11%

Bloque 3

μ=0.002 · sp 0.16%

Bloque 4

μ=0.001 · sp 0.20%

Clasificación (512)

μ=0.000 · sp 1.17%

Salida

μ=0.004 · sp 0.00%

Desempeño

Impacto positivo y usabilidad

Dropout: Se agregaron dos capas de Dropout, con tasas de 0.05 y 0.1, para reducir el sobreajuste.

Funciones de activación: Se intercalaron las funciones de activación SiLU y ReLU entre los bloques convolucionales.

Limitaciones identificadas

Tamaño del modelo: El modelo pesa 80.47 MB, igual que V2 y 3.9× más grande que V1, por lo que su tiempo de carga es similar al de V2.

Tiempo de inferencia: El tiempo de inferencia es 178 ms: similar al de V2 (164 ms) y 1.4× más lento que V1 (123 ms).

Precisión en pruebas en vivo: En pruebas manuales, V3 acepta como INE credenciales que V2 rechaza correctamente como "otro".

Comparación entre versiones

Versiones a comparar · 3 de 3

V1Referencia

99.9% val99.6% train · 30 épocas

Global 99.66%2964/2974 aciertosBalanceada 99.20%INE 98.68% · 149/151

20.47 MB

Referencia

123 ms

99.5% val99.2% train · 30 épocas

Global 99.56%2961/2974 aciertosBalanceada 98.52%INE 97.35% · 147/151

80.47 MB3.9× más grande que V1

~3.9× más lento que V1

164 ms1.3× vs V1

99.4% val99.2% train · 30 épocas

Global 99.60%2962/2974 aciertosBalanceada 98.22%INE 96.69% · 146/151

80.47 MB3.9× más grande que V1

~3.9× más lento que V1

178 ms1.4× vs V1

Curva, matriz de confusión, tamaño y tiempo de descarga se leen de cada entrenamiento. El tiempo de inferencia es la excepción: se mide corriendo los 13 modelos, así que queda fijo a la fecha indicada en esa fila hasta que se vuelva a correr el benchmark.

Líneas de trabajo futuro — Dropout: retirar el Dropout, dado que en V3 desfavoreció el aprendizaje del modelo. — Resolución de entrada: disminuir el tamaño de procesamiento de la imagen a 352 × 229 px. — Kernel convolucional: aumentar el tamaño del kernel de la capa convolucional en 1 píxel (vertical y horizontal), pasando a 4 × 4. — Función de activación: cambiar por completo la función de activación de ReLU a SiLU.

Marco Teórico

Una CNN extrae patrones visuales apilando dos operaciones matemáticas: convolución y pooling.

Convolución

Aplica el filtro bidimensional sobre los 3 canales RGB sumando el sesgo:

Fórmula desarrollada

z_i,j,k = b_k + f_h-1Σu=0f_w-1Σv=0f_n'-1Σk'=0 x_i',j',k' · w_u,v,k',k

{

i' = i × s_h + uj' = j × s_w + v

Forma simplificada

z_i,j,k = b_k + Σu,v,k' x_i',j',k' · w_u,v,k',k

Pooling

Reduce las dimensiones al quedarse con el valor máximo regional:

Fórmula desarrollada

z_i,j,k = máx0≤u<p0≤v<q x_{i·s_h+u, j·s_w+v, k}

Dataset

34,296

Imágenes totales

82.23%

Train (28,197)

9.11%

Test (3,125)

8.67%

Validate (2,974)

Arquitectura

Entrada

550 × 350 px RGB

Optimizer

RMSprop lr=1e-4

Loss

Binary Crossentropy

Épocas

Desliza la tabla para ver más →

Capa / Orden	Tipo de capa	Filtros / Neuronas	Kernel	Activación	Formato de salida
Entrada	Input Tensor	Canales RGB	—	—	350 × 550 × 3
conv2d	Conv2D	32 filtros	(3,3)	ReLU	348 × 548 × 32
max_pooling2d	MaxPooling2D	pool (2,2)	—	—	174 × 274 × 32
conv2d_1	Conv2D	64 filtros	(3,3)	SiLU	172 × 272 × 64
max_pooling2d_1	MaxPooling2D	pool (2,2)	—	—	86 × 136 × 64
conv2d_2	Conv2D	128 filtros	(3,3)	ReLU	84 × 134 × 128
max_pooling2d_2	MaxPooling2D	pool (2,2)	—	—	42 × 67 × 128
conv2d_3	Conv2D	128 filtros	(3,3)	SiLU	40 × 65 × 128
max_pooling2d_3	MaxPooling2D	pool (2,2)	—	—	20 × 32 × 128
flatten	Flatten (Aplanado)	Vector lineal	—	—	81,920 elementos
dropout	Dropout (Regularización)	rate = 0.05	—	—	81,920 elementos
dense	Dense	512 neuronas	—	ReLU	512 elementos
dropout_1	Dropout (Regularización)	rate = 0.1	—	—	512 elementos
Salida	Dense (Clasificador binario)	1 neurona	—	Sigmoide	1 (Probabilidad de INE)

Resultados

Comportamiento en 30 épocas