甲骨文是目前中国发现的最早的成系统的文字,是四大文明古国中唯一流传不绝且影响至今的文字系统,也是中国文字的鼻祖。2017年10月30日甲骨文入选“世界记忆名录”,标志着甲骨文的价值得到了全世界的公认。2019年11月1日,习近平在致甲骨文发现和研究120周年的贺信中曾指出甲骨文是汉字的源头和中华优秀传统文化的根脉,值得倍加珍视、更好传承发展。甲骨文字检测是甲骨学研究的首要内容,目的是从甲骨拓片中定位每一个字符,这是后续识别、检索和字形破译等任务的前提。目前,这些工作需要甲骨学专家手工完成,效率低下。在现有约16万片甲骨中,只有约8万片附有释文且带有专家的主观认知,不够准确。如何精确检测、识别甲骨字仍是一项亟待解决的任务。鉴于深度学习在计算机视觉领域的成功,本文利用深度卷积神经网络围绕甲骨文字检测展开相关研究,主要工作如下:(1)制作了一个大规模甲骨文检测数据集,该数据集包含样本9400张,目前还在不断扩充,旨在服务于甲骨文字定位相关研究。(2)选取主流目标检测模型:Faster R-CNN、FPN、SSD、YOLOv3、Retina Net,并将其移植到甲骨文字检测数据集中。实验发现,YOLOv3综合表现最佳。(3)对YOLOv3进行改进,分别提出SPPG-YOLO与ASPP-YOLO。前者使用一系列池化层进一步整合特征,提升检测精度的同时只带来很小的计算开销;后者将语义分割领域中的组件改进后并入检测任务,虽速度不如前者但检测更加精确。(4)针对甲骨数据特点进行了多策略优化,包括模拟噪声、锚框聚类和GIo U损失函等。实验证明,改进后的模型辅以优化策略在甲骨文字检测任务中表现优异,F1值达到83.4%。(5)将本文所研究的模型封装成软件,并在后部插入Efficient-Net分类网络,实现端到端甲骨文字检测识别一体化系统。