随着我国互联网,物联网的兴起与普及,每天都会有海量图片数据产生。在图像中,不仅包含形状、颜色等底层的信息,还包含文字等高层的语义信息,其对于分析和利用图像起到了不可或缺的作用。但是,在当前自然场景复杂背景下,针对变尺度、多方向的文本检测与识别仍然存在诸多困难。本文研究了基于深度学习的文本检测与识别方法,具体的工作和研究成果如下:(1)提出了结合了卷积神经网络(CNN)与循环神经网络(RNN)的新颖的文本检测模型。该模型充分利用了特征金字塔网络(FPN)中的特征金字塔多尺度的特性,在不同的尺度上提取特征,从而适应变尺度的文本。为了利用文本的上下文特征,使用双向长短期记忆网络(Bi-LSTM)来生成一系列的文本提议。最后通过重新设计的文本连接器将这些文本提议连接起来。该模型能够适应多方向多尺度的场景文本检测,并在多个公共数据集上都取得了理想的效果。(2)针对自然场景文本识别的不足,设计了结合了卷积循环神经网络(CRNN)与连接时序分类(CTC)的具有较强适应性的文本识别模型。该模型利用CNN进行特征提取之后,使用Bi-LSTM进行编码和解码,生成特征序列,最后使用CTC进行映射,可以输出任意长度的文本行。该模型在多个公共数据集上进行了验证。(3)结合物流行业的单据识别需求,利用文本检测与识别模型,设计了一个单据识别系统。系统整体包括预处理、识别、后处理三个流程。预处理包含单据的纠正,文本的检测等步骤,提取出一系列待识别文本。文本识别模型进行识别后,通过后处理对识别结果进行校验和纠正。通过实际的单据识别测试,验证了单据识别系统的有效性。