Verificación Inteligente de Identificaciones

mediante Redes Neuronales Convolucionales

Trabajo ProfesionalLicenciatura en Matemáticas Aplicadas y ComputaciónAlejandro Miranda Franco
Desliza para comenzar↓
02

El Problema

OCR tradicional

Requiere edición manual.

Errores de lectura

Provocan fallas en validación.

Experiencia de usuario

Mayor número de solicitudes a soporte.

03

La Solución

Captura

CNN

OCR

Resultado

04

¿Cómo aprende una CNN?

Imagen

Convolución

Pooling

Características

Clasificación

05

Dataset

26,112

Imágenes

77%

Train

11%

Validate

11%

Test
06

Arquitectura

Input

Conv

Pool

Conv

Pool

Dense

Sigmoid

Resultado

07

Resultados

Accuracy

98.14%

Validación: 96.3%
Loss

0.0452

Validación: 0.2137
Comparativa

Accuracy

98.14% / 96.3%

Loss

0.0452 / 0.2137

Train / Validación
08

Live Demo

AI Identity Vision

Veamos el sistema funcionando.

09

Arquitectura Cloud

Toda la inferencia ocurre del lado del cliente. El servidor únicamente entrega la aplicación.

Usuario

Cloud Run

Next.js

TensorFlow.js

OCR

Resultado

10

Conclusiones

Aporte científico

Sistema de clasificación de identificaciones oficiales mediante una CNN entrenada desde cero, ejecutada completamente en el navegador.

Impacto práctico

Reduce la dependencia de edición manual en procesos de validación documental, con inferencia en tiempo real y sin enviar datos a un servidor.

Trabajo futuro

Ampliar el dataset, optimizar el modelo para dispositivos de gama baja y extender la validación a otros documentos oficiales.

Gracias.

¿Preguntas?

Interactive Thesis ExperienceVersión 1.0 · 2026