La tesi analizza l'integrazione di tecniche di Optical Character Recognition (OCR) e modelli linguistici di grandi dimensioni (LLM) per la correzione automatica dei dati estratti da documenti d'identità, con particolare riferimento alle Carte d'Identità Elettroniche (CIE). Viene progettato e sviluppato un modulo di validazione condizionale che interpella l'LLM solo in presenza di bassa confidenza dell'OCR, correggendo i campi anagrafici senza richiedere un utilizzo indiscriminato del modello. Il sistema viene infine valutato sperimentalmente su un dataset di 1.000 documenti sintetici, misurando latenza, numero di chiamate al modello e beneficio netto in accuratezza rispetto al solo output OCR.
VALIDAZIONE CONDIZIONALE CON LLM PER LA CORREZIONE POST-OCR DI DOCUMENTI D’IDENTITÀ: PROGETTAZIONE E VALUTAZIONE SPERIMENTALE SU CARTE CIE
TUCCI, ANDREA
2025/2026
Abstract
La tesi analizza l'integrazione di tecniche di Optical Character Recognition (OCR) e modelli linguistici di grandi dimensioni (LLM) per la correzione automatica dei dati estratti da documenti d'identità, con particolare riferimento alle Carte d'Identità Elettroniche (CIE). Viene progettato e sviluppato un modulo di validazione condizionale che interpella l'LLM solo in presenza di bassa confidenza dell'OCR, correggendo i campi anagrafici senza richiedere un utilizzo indiscriminato del modello. Il sistema viene infine valutato sperimentalmente su un dataset di 1.000 documenti sintetici, misurando latenza, numero di chiamate al modello e beneficio netto in accuratezza rispetto al solo output OCR.I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/76767