文本检测是一项在图像中定位到文本区域的技术,在智慧旅游、无人驾驶等各项任务中应用广泛,在智能化社会中的方方面面发挥着无可替代的作用。传统的文本检测技术具有检测准确率低,适用面狭窄,鲁棒性较弱,依赖于人为手工引导等缺陷。深度神经网络通过大量数据的训练,可得到泛化能力和鲁棒性较强的检测模型。在文本检测领域中,在卷积神经网络中引入空洞卷积的形式作为基础网络能够有效增大感受野,且可以进一步增强特征提取能力。因此利用改进卷积神经网络技术的文本检测方法是当前重要研究方向之一。自然场景中的文本检测,尤其是自然场景中的中文艺术字的检测,是文本检测研究领域中的一个难点。在中文草书文本存在连笔现象,以及自然场景中文本形状和大小极度不规则且方向多变等特点,都给文本检测技术带来了极大的挑战。目前,虽然基于卷积神经网络的文本检测方法虽取得了一定的成绩,但在解决草书连笔字的检测和自然场景下任意形状文本检测任务中仍存在一些问题未得到有效解决。为解决上述问题,本文克服了当前草书文本检测数据集缺乏的困难,构建了草书检测数据集,并提出了一个基于自建数据集的草书文本检测方法。针对当前自然场景文本检测存在的不足,本文还提出一种改进的任意形状文本检测方法。本文主要研究内容如下:一、针对当前文本检测领域中缺乏草书文本检测识别数据集的问题,本文设计构造了一套草书数据集(Chinese Cursive Dataset,CCD)。该数据集中包括约两万个字符,并且包含了各种真实草书可能出现的特点,例如连笔、字体不规则、方向多变等情况。在草书数据集上进行了多组对比实验,验证了本文提出数据集的研究意义与价值。二、在对中华草书字符的单字检测中,提出了一种基于自建草书数据集的文本检测方法(CCD＿based on cursive detection method,CCD＿cdm)。为了实现中华草书字符的单字检测,利用vgg-16作为基础网络用于提取特征,并且融入注意力机制模块进一步增强基础网络的特征提取能力。另一方面,对于草书字符存在连笔的特点,采用片段链接的方法。具体地,当检测到字符的一部分区域之后,再逐渐检测到相比之前更多的文本区域,通过链接以判断检测到的区域是否为文本区域,最终得到草书文本单字符区域。三、在自然场景下对任意形状文本检测任务中,改进并提出了一种自然场景下的任意形状文本检测方法(Squeeze Dilated Network,SDNet)。该方法针对残差网络未从特征通道角度进行加权的问题,引入一种注意力机制有效挖掘网络在特征通道上进行加权操作,以增强特征提取能力。除此之外,本文在基础网络中引入空洞卷积,在不改变网络模型的参数量的前提下,提升了基础网络的感受野,并且在模型的后处理中融入了Jaccard系数以适应自然场景下文本仅占图像区域较小部分的稀疏文本图像,提升了任意形状下文本检测的准确性。本文进行了多组对比实验,并与目前主流的文本检测方法进行了对比,均取得了较佳的实验的效果,从而验证了本文所改进提出方法的有效性。