近年来,拍摄设备的日渐普及,图片的采集途径也变得简单,图像中包含大量信息,数据传输存储的方式由过去的文本格式逐渐向转图像、视频等新型媒体格式转换,图像中的信息通过像素的方式展示,用户理解更加直观,而对于计算机而言,去理解图像中所包含的内容有着重要的意义,图像中出现文本内容具有高度的标识性,与图像所示内容具有强关联度,文本信息包含的高层语义信息对于图像的理解有重要作用。人工智能算法的发展,需要大量数据进行支撑,尤其是深度学习逐渐成为主流方法,有监督的学习算法依靠数据特征处理后提供机器进行训练。在日常生活中,大量的文本内容遍布各个角落,如菜单、传单、广告牌都利用文本方式向用户提供信息,通过计算机视觉方法将图像转换为机器能够理解的文本信息后,可以对其进行进一步加工如翻译、信息统计,以获取图像中深层的信息,对图像的高效利用提供了更多思路。对于文本数据进行标注成为了算法研究前需要解决的重要问题,由于文本出现的场景多样化,需要实现多种方式的文本识别,搭建了移动端基于深度学习的文本识别系统。本文针对文本定位和识别以及移动端系统搭建分别进行相关的研究,具体工作如下:1.自然场景中文本定位,结合目标检测的相关知识,研究了端到端的目标检测算法以及R-CNN系列算法,本文利用YOLO-v3结构设计了一种文本定位算法,并与CTPN算法进行比较实验,结果证明其在定位准确度上若于后者,但在运算时间上占有绝对优势。2.对于文本识别任务,分析了结合RNN结构的CRNN文本识别算法,该算法通过使用RNN提取上下文特征,可以较好地完成文本识别工作,通过模型的训练和实验,证明CRNN网络可以完成对于中文文本识别任务。3.结合文本定位及文本识别两个部分,本文设计并实现了一个文本标注工具,可通过人工修正手段调整标注内容,大大提高数据集标注效率。