近年来,研究者提出了很多场景文字检测方法,在多方向场景文字检测数据集上取得了很不错的结果。然而,这些方法很难检测广泛存在于商品图片中的曲形密集文本。为了更好地检测商品图片中的文字,在本硕士学位论文中,我们提出了一种区域实例敏感的基于单元组合的场景图片文字检测框架(ICG)。这是一个灵活的自下而上的文本检测框架,能够检测任意形状的密集文字。为了解决大多数自下而上的方法中存在的很难区分空间距离近的文本区域的问题,我们提出了文字单元之间单元排斥关系和吸引关系的表征。在网络训练的过程中引入这一可学习的文字单元关系的表征能够让网络更加关注空间距离近的文本区域。另外,我们还提出了一种区域实例敏感的损失函数,能够在网络训练过程充分利用图片中的上下文信息。最后基于学到的文字单元之间单元的吸引关系和排斥关系,我们利用一种改进的最小生成树算法得到所有的文字单元组,最后根据这些文字单元组提取文字区域的外接检测框。为了证明ICG在检测场景图片中的文字特别是商品图片中的文字的有效性,我们引入了一个由商品图片组成的包含大量任意形状密集文本的文字检测数据集(DAST1500)。实验证明,ICG在任意形状商品密集行数据集DAST1500上能够取得远远优于其他方法的检测效果,在大型商品图片文字检测数据集上也能取得优于其他方法的结果。同时,ICG在公开的曲形场景文字检测数据集SCUT-CTW1500和TotalText上也能够取得远超其他方法的检测效果;在多方向场景文字检测数据集ICDAR15依然能够取得有竞争力的效果。在检测效率上,检测ICDAR15上大小为1280×768的图片中的文字的过程,FPS也能达到7.1帧/秒,基本能够满足实际应用的需求。