近些年来,场景文本检测与识别方法成为了计算机视觉领域的研究热点。由于移动计算机设备和智能手机的普及,场景文本图像数据的获取更加便捷和高效。由于自然场景图像存在多种形态的文本、不同分辨率、背景噪声干扰多等因素,传统的文本检测与识别方法难以获得好的效果,基于深度学习的文本检测与识别方法具有较高的研究价值和意义。本文的主要研究工作如下:(1)在基于Res Net50的PSENET文本检测框架的基础上提出了语义感知的文本边界框,对文本区域边界像素点施加约束。在PSENET基础上新增一条分支来预测文本区域的边界框,从而有效解决了PSENET文本检测框架存在的相邻文本实例粘连与文本检测不全的问题,大大的提高的模型的检测精度。(2)在PSENET文本检测框架基础上提出文本区域注意力机制,对文本区域施加比非文本区域更多的注意力即更大的权重,使得模型对文本区域更加敏感。通过文本区域注意力机制引导检测模型进一步区分文本区域与非文本区域,从而缓解了PSENET文本检测框架存在的漏检问题,提高了模型的召回率。(3)在CRNN文本识别框架上提出了薄板样条线变换网络,在文本图像输入模型之前对其进行形状矫正。通过薄板样条线变换网络将不规则文本图像矫正成常规水平文本图像,从而提高了模型的识别准确率。最终,通过在场景文本检测数据集和场景文本识别数据集上的对比实验,验证了本文提出的文本检测与识别方法具有更强的鲁棒性和适用性。