文字是重要的信息传递载体,能表达高级语义信息,场景文本作为重要的表现形式在生活中大量出现。近年来,在学术界和工业界,场景文本检测已成为理论研究和应用的热点。场景文本检测是OCR的重要环节,被广泛地应用于车牌检测识别、卡证票据检测识别、场景文本情感分析等。由于深度学习的发展,基于深度学习的方法在解决场景文本检测问题中占据主要地位。但场景文本复杂,现有方法仍存在不足,例如尺度变化、种类多样(不同语种和文本类型)、方向任意(多方向、弯曲等)、文本视觉特征杂乱(结构共性少)等。针对以上问题,本文通过分析基于检测和基于分割的场景文本检测方法,建立两种多任务级联的场景文本检测方案。上下文模块与辅助回归的方法主要用于解决多方向文本检测问题。在场景文本特征提取和特征融合方面,主要利用上采样特征融合方法,多分支上下文模块等提取有鉴别力的图像文本特征;在二次检测框架中,该模块有利于提取更好的候选区域;在多任务级联方法上,主要结合坐标对齐的场景文本检测和实例分割的方法,增加基于中心点和角点的辅助回归方法,改进了一般的实例分割分支,提高了多方向文本检测的准确率。特征金字塔融合的场景文本检测方法不仅能用于解决多方向文本问题,也可以用于解决经常存在的弯曲文本问题。它利用更强的特征提取和融合结构,将高层语义信息和低层位置信息有效结合,将特征金字塔各个特征层级上对应尺度的目标有效的提取出来,用于应对场景文本尺度变化的问题,同时使得后续的分类、回归和分割任务能够获得足够的特征。在多任务级联方面,采用一般的实例分割方法能够统一多方向和弯曲文本分割问题,并在模型训练中使用了在线难例挖掘和同步批归一化方法,使得模型收敛效果大大增强。通过实验,对比了两种方案在特征提取上的效果,实验表明方案二有更强的特征融合能力。通过在多方向、多语言和弯曲文本数据集的实验,验证了本文提出的两种多任务级联的场景文本检测方案在多个场景文本检测数据集上达到了当前主流方法的效果。