随着深度学习技术的爆发,计算机视觉研究已经发生了极大的变化。作为计算机视觉研究领域的一个重要分支,文字检测和识别同样受到了这一波技术革新浪潮的影响。近年来,该研究领域出现了大量基于深度学习的研究方法提高了相关基准数据集的精度。同时这项研究在当今时代的商业领域亦存在巨大的商业价值。但是,现如今一些常见的算法往往有其局限性,在特定场景下的精度和速度之间难以达到平衡。因此,考虑到文字检测和识别算法在实际生产环境中具有实际的应用价值,但是大多数算法在实际生产中并不能直接应用。针对这个问题,本文从文字检测算法和训练数据集两个方面入手,提出了新的解决方案:1、分析了近年来常见文字检测算法的局限性,并提出了一种新型文字检测算法,该算法在有效提升文字检测精度的同时具有较快的推理速度;2、另一方面,为了解决文字检测和识别在自然文档场景文字识别项目中具有高精度人工标注数据集采集难,样本量少的问题,本文设计了一个合成数据生成引擎,该生成引擎能够在线生成具有文字标注信息的图像样本。基于该数据生成引擎,本文制作了一个具有20,000张精细标注的合成自然场景文档样本数据集SynthDoc20K,该合成数据集的引入有效提升了文字检测和识别算法在自然文档场景下的准确率。