Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/33944
MetadatoEtiquetaValorIdioma
dc.contributor.advisor Tutor Garat, Diego-
dc.contributor.advisor Tutor Moncecchi, Guillermo-
dc.contributor.author Autor Chavat Pérez, Felipe-
dc.contributor.filiacion Filiación Chavat Pérez Felipe, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.coverage.spatial Cobertura geográfica Uruguay.es
dc.date.accessioned Fecha ingreso 2022-09-22T12:31:39Z-
dc.date.available Fecha disponible 2022-09-22T12:31:39Z-
dc.date.issued Año de publicación 2022-
dc.description.abstract Resumen Archivo Berrutti es el nombre que recibe un conjunto de documentos generados por las Fuerzas Armadas entre los años 1968 y 1985, años marcados por sucesos de terrorismo de Estado y la reciente dictadura Uruguaya (1973-1985). El Proyecto CRUZAR busca la sistematización de la versión digital del archivo, de forma de facilitar el estudio de la estructura y forma de accionar de los organismos represivos. Es en este marco que el proyecto LUISA (Leyendo Unidos para Interpretar loS Archivos) desarrolla herramientas para semi automatizar esta tarea, como la transcripción automática de las imágenes digitales a un formato procesable por sistemas de extracción de información. El presente trabajo enfoca su estudio en la evaluación de métodos de aprendizaje automático profundo orientado a la transcripción automática de imágenes del Archivo Berrutti, a partir de las transcripciones manuales obtenidas a través de la plataforma LUISA. En particular, se considera la arquitectura Seq2Seq, la cual fue desarrollada en principio para la traducción automática, pero que luego se aplicó a otros problemas, como el OCR, mostrando resultados que compiten con el estado del arte en el tema. El modelo implementado alcanza una tasa de error a nivel de caracteres —CER— del 28.10% frente al 23.74% obtenido por la última herramienta OCR usada por el equipo LUISA y el 52% obtenido por una herramienta anterior. Los resultados son promisorios y alientan a seguir avanzando en la implementación de nuevas características que mejoren el modelo.es
dc.format.extent Extensión 82 p.es
dc.format.mimetype Formato application/pdfes
dc.identifier.citation Citación Chavat Pérez, F. Modelos Seq2Seq para la transcripción de documentos del Archivo Berrutti [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2022.es
dc.identifier.uri URI https://hdl.handle.net/20.500.12008/33944-
dc.language.iso Idioma eses
dc.publisher Editorial Udelar.FIes
dc.rights Derechos Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)es
dc.rights.licence Licencia Atribución/Reconocimiento-NoComercial-SinDerivados 4.0 Internacionales
dc.rights.uri Uri de la licencia https://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subject Palabras clave Aprendizaje profundoes
dc.subject Palabras clave Arquitectura Seq2Seqes
dc.subject Palabras clave Archivo Berrutties
dc.subject Palabras clave LUISAes
dc.subject Palabras clave OCRes
dc.title Título Modelos Seq2Seq para la transcripción de documentos del Archivo Berrutties
dc.type Tipo de documento Tesis de gradoes
thesis.degree.grantor Facultad o Servicio que otorga el Título Universidad de la República (Uruguay). Facultad de Ingenieríaes
thesis.degree.name Título Obtenido Ingeniero en Computaciónes

Colecciones:

FicherosDescripciónTamañoFormato
CHA22.pdf Tesis de grado 2.29 MB Adobe PDF

Licencia Creative Commons:

Excepto donde se indique lo contrario, la licencia de este ítem se describe como Atribución/Reconocimiento-NoComercial-SinDerivados 4.0 Internacional