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

384 × 275 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	—	—	275 × 384 × 3
conv2d_8	Conv2D	32 filtros	(4,4)	ReLU	272 × 381 × 32
max_pooling2d_6	MaxPooling2D	pool (3,3)	—	—	90 × 127 × 32
conv2d_9	Conv2D	64 filtros	(4,4)	SiLU	87 × 124 × 64
max_pooling2d_7	MaxPooling2D	pool (3,3)	—	—	29 × 41 × 64
conv2d_10	Conv2D	128 filtros	(4,4)	ReLU	26 × 38 × 128
max_pooling2d_8	MaxPooling2D	pool (3,3)	—	—	8 × 12 × 128
conv2d_11	Conv2D	128 filtros	(4,4)	SiLU	5 × 9 × 128
max_pooling2d_9	MaxPooling2D	pool (3,3)	—	—	1 × 3 × 128
flatten	Flatten (Aplanado)	Vector lineal	—	—	384 elementos
dropout	Dropout (Regularización)	rate = 0.05	—	—	384 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: 99.15% acc (98.9% val) · 0.0308 loss (0.0275 val)

Matriz de confusión

Pred. inePred. otro

Real ine

151

Real otro

2,786

Val Acc 98.8%
Diagonal (azul) = correcto. Fuera de diagonal (rojo) = error.

Espacio de features (capa densa, 512 dim)

PCAPC1 62.3% + PC2 15.0%

t-SNE

ine

otro

Distribución de pesos por capa

conv2d_8

μ=0.005 · sp 0.00%

conv2d_9

μ=0.003 · sp 0.16%

conv2d_10

μ=0.003 · sp 0.23%

conv2d_11

μ=0.000 · sp 0.27%

Clasificación (512)

μ=0.000 · sp 0.12%

Salida

μ=-0.006 · sp 0.00%

Desempeño

Impacto positivo y usabilidad

Función de activación: Se volvieron a intercalar ReLU y SiLU, pues esa combinación dio las mejores predicciones en las pruebas reales de la demo.

Dropout: Se agregó de nuevo una capa de Dropout para determinar si el déficit de entrenamiento se debía a la función de activación o al propio Dropout.

Clasificación completa: Por primera vez el modelo clasifica correctamente todas las INE del conjunto de validación (151 de 151).

Limitaciones identificadas

Matriz de confusión: Las métricas empeoraron respecto a V5: la precisión en validación bajó de 99.6% a 98.9% y los falsos positivos subieron de 9 a 37, aunque el recall de INE llegó al 100%.

Peso y descarga del modelo: El modelo pesa 1.20 MB, algo más que V5 y V4 (1.08 MB), y 17.0× menos que V1; su descarga es ~17.0× más rápida que la de V1.

Falsos positivos: Aumentaron los documentos de la clase "otro" clasificados erróneamente como INE (de 9 a 37), comportamiento que hay que corregir.

Precisión en pruebas en vivo: En pruebas manuales, el modelo vuelve a validar como INE credenciales parecidas a una, posiblemente por reintroducir el Dropout: solo SiLU sin Dropout (V4) había corregido este comportamiento.

Comparación entre versiones

Versiones a comparar · 6 de 6

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

99.3% val97.95% train · 30 épocas

Global 99.36%2955/2974 aciertosBalanceada 99.04%INE 98.68% · 149/151

1.08 MB19.0× más chico que V1

~19.0× más rápido que V1

127 ms1.0× vs V1

99.6% val98.85% train · 30 épocas

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

1.08 MB19.0× más chico que V1

~19.0× más rápido que V1

126 ms1.0× vs V1

98.9% val99.15% train · 30 épocas

Global 98.76%2937/2974 aciertosBalanceada 99.34%INE 100.00% · 151/151

1.20 MB17.1× más chico que V1

~17.1× más rápido que V1

125 ms1.0× 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: quitar el Dropout para verificar si el entrenamiento mejora. — Kernel convolucional: se reducirá el valor del kernel de la capa convolucional en 1 píxel, pasando de 4 a 3, para ver cambios en el modelo.

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

384 × 275 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	—	—	275 × 384 × 3
conv2d_8	Conv2D	32 filtros	(4,4)	ReLU	272 × 381 × 32
max_pooling2d_6	MaxPooling2D	pool (3,3)	—	—	90 × 127 × 32
conv2d_9	Conv2D	64 filtros	(4,4)	SiLU	87 × 124 × 64
max_pooling2d_7	MaxPooling2D	pool (3,3)	—	—	29 × 41 × 64
conv2d_10	Conv2D	128 filtros	(4,4)	ReLU	26 × 38 × 128
max_pooling2d_8	MaxPooling2D	pool (3,3)	—	—	8 × 12 × 128
conv2d_11	Conv2D	128 filtros	(4,4)	SiLU	5 × 9 × 128
max_pooling2d_9	MaxPooling2D	pool (3,3)	—	—	1 × 3 × 128
flatten	Flatten (Aplanado)	Vector lineal	—	—	384 elementos
dropout	Dropout (Regularización)	rate = 0.05	—	—	384 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

Curva de entrenamiento (30 épocas)

Pérdida

Precisión

Entrenamiento

Validación

Final: 99.15% acc (98.9% val) · 0.0308 loss (0.0275 val)

Matriz de confusión

Pred. inePred. otro

Real ine

151

Real otro

2,786

Val Acc 98.8%
Diagonal (azul) = correcto. Fuera de diagonal (rojo) = error.

Espacio de features (capa densa, 512 dim)

PCAPC1 62.3% + PC2 15.0%

t-SNE

ine

otro

Distribución de pesos por capa

conv2d_8

μ=0.005 · sp 0.00%

conv2d_9

μ=0.003 · sp 0.16%

conv2d_10

μ=0.003 · sp 0.23%

conv2d_11

μ=0.000 · sp 0.27%

Clasificación (512)

μ=0.000 · sp 0.12%

Salida

μ=-0.006 · sp 0.00%

Desempeño

Impacto positivo y usabilidad

Función de activación: Se volvieron a intercalar ReLU y SiLU, pues esa combinación dio las mejores predicciones en las pruebas reales de la demo.

Dropout: Se agregó de nuevo una capa de Dropout para determinar si el déficit de entrenamiento se debía a la función de activación o al propio Dropout.

Clasificación completa: Por primera vez el modelo clasifica correctamente todas las INE del conjunto de validación (151 de 151).

Limitaciones identificadas

Matriz de confusión: Las métricas empeoraron respecto a V5: la precisión en validación bajó de 99.6% a 98.9% y los falsos positivos subieron de 9 a 37, aunque el recall de INE llegó al 100%.

Peso y descarga del modelo: El modelo pesa 1.20 MB, algo más que V5 y V4 (1.08 MB), y 17.0× menos que V1; su descarga es ~17.0× más rápida que la de V1.

Falsos positivos: Aumentaron los documentos de la clase "otro" clasificados erróneamente como INE (de 9 a 37), comportamiento que hay que corregir.

Verificación de Identificacionesmediante Redes Neuronales

Introducción y planteamiento del problema

OCR tradicional

Errores de lectura

Experiencia de usuario

La Solución

Marco Teórico

Convolución

Pooling

Dataset

Arquitectura

Veamos el sistema funcionando

Resultados

Desempeño

Impacto positivo y usabilidad

Limitaciones identificadas

Comparación entre versiones

Verificación de Identificacionesmediante Redes Neuronales

Introducción y planteamiento del problema

OCR tradicional

Errores de lectura

Experiencia de usuario

La Solución

Marco Teórico

Convolución

Pooling

Dataset

Arquitectura

Veamos el sistema funcionando

Resultados

Desempeño

Impacto positivo y usabilidad

Limitaciones identificadas

Comparación entre versiones

Verificación de Identificaciones
mediante Redes Neuronales

Verificación de Identificaciones
mediante Redes Neuronales