近几年来,计算机视觉飞速发展,与之相关的应用也已经进入到人们的日常生活中。识别自然场景图像中的文本还有许多问题需要解决。自然图像中的单词通常具有不规则形状,这是由透视变形,弯曲的字符放置等引起的。在某些场景中,存在弯曲变形的文本,导致部分识别方法的识别率较低。为了提高文字识别率,我从文字识别网络的特征提取网络出发,将普通的CNN网络用ResNet网络替换,因为ResNet网络更深,解决出现网络退化的情况,而若不断加深CNN卷积层,可能会出现梯度爆炸。同时将纸质文件数字化,可以方便的存入数据库中保存和完成数据的查询。以此为背景开始文字识别系统的研究,并搭建了一个便于人机交互的简易系统。本文先介绍了选题的相关背景以及文字识别的发展现状。用一章讲解对CRNN文字识别网络中的特征提取部分做的改进,主要比较了普通的CNN网络与ResNet网络提取特征用于识别文字的结果,通过实验结果的数据对比发现使用ResNet网络提取的效果较好。接着基于RARE网络结构,用ResNet网络来替换原来的特征提取网络,对文字识别网络的各个部分进行了详细的说明,RARE文字识别网络使用STN网络对不规则文字完成文字矫正,且网络模型是可以端到端的训练,序列化识别图像中的文字,使用Attention机制完成解码过程,并设计实验完成验证,发现改进特征提取网络后的网络模型识别效果更好。用ResNet网络替换掉CRNN网络和RARE网络中的特征提取网络,改进后的网络在IIIT5k,SVT,ICDAR2013和ICDAR2015数据集上表现较好,用改进的RARE网络训练中文数据集的文字识别模型,用于文字识别系统。最后介绍文字识别的交互系统的设计,文本区域检测的CTPN网络,前端页面显示的一些基本功能,如图片上传及预览,识别结果的显示。