文字是人类用表意符号记录表达信息以传之久远的方式和工具,是信息传递的载体。自然场景下端到端文本检测与识别算法的应用越来越普遍,已广泛应用于车牌识别、票证识别等场景,背景单一、规律整齐、水平方向的普通文本文档的识别率非常高。然而,在自然场景下文本的识别率较低,如有的图像中文字镶嵌在建筑、花草、服装中,有的图像中文字大小不一样,有的排列紧密稀松不一致,有的图像受到拍摄和采集的限制,照片明暗度、清晰度角度差等。本文正是针对这些挑战性的场景,设计一个端到端的场景文本检测与识别算法,主要研究工作如下:首先,为了设计一个端到端的场景文本检测与识别算法,将文本检测算法和文本识别算法在一个框架里训练,同时完成检测和识别任务。并且特征共享层提取的特征可在检测分支和识别分支中共享,缩短了模型整体计算时间。其次,在端到端的检测与识别过程中,特征共享层是连接检测分支与识别分支的重要步骤。为了优化特征提取方法,论文参考SENet的网络结构,将其嵌入到卷积提取层的VGG16网络中,让网络在提取特征的同时可以自适应的学习特征的重要程度,在特征重标定的过程中,抑制不太重要的特征,从而获取到更多对当前任务有用的特征,增大了特征提取的有效性,这一点也是本文的创新点。第三,在端到端的检测网络中,论文分析了EAST检测网络的缺陷,针对检测长文本时存在检测不全、检测断裂的问题,采用头元素和尾元素来预测文本框,则不会受到感受野的限制。通过这样的改进,提高了EAST网络的检测性能。第四,在检测网络分支获得了文本位置信息后,我们提出了基于CRNN网络改进的文本识别方法。通过ROI Rotate的对齐方式在特征共享层上采样得到了文本识别网络的输入特征图,然后送入识别网络得到文本序列。针对识别网络的循环神经网络部分可能会存在梯度消失、网络退化的问题,在输入和输出部分加入了残差模块,很好的改善了模型性能。最后,在场景文本检测的实验中,实验数据表明,本文提出的文本检测方法相对改进之前效果显著。而在端到端检测与识别任务中与FOTS算法比较,取得了不错的效果。综上,本文设计了端到端文本检测与识别算法,在一个框架里融合训练,同时完成了检测和识别任务,在检测分支和识别分支中共享了提取的特征,改善了原有的算法,缩短了模型整体计算时间,获得了更好的性能。