现实生活中存在着各式各样的文本（印刷体或是手写体）,比如书籍、支票、广告牌、考试卷,而如何自动地识别图像中的文本具有很大的应用价值和研究价值。图像中的文本信息对于其他计算机视觉任务,如图片检索、无人驾驶、场景理解、即时翻译等有着很大的帮助。因此,自然场景中的文本检测和识别引起了学术界和工业界大量关注。越来越多的纸质文档通过拍照成像进行识别,且很多文档中手写和印刷体文本混合。因此,本论文除了研究场景文本之外,也研究拍照文档（场景文档的一种）中手写文本行识别。本文工作以及贡献总结如下:第一,提出一种基于八度卷积的任意形状场景文本检测方法。不同于标准的卷积操作,八度卷积将特征沿通道方向分解成高频特征和低频特征。通过对低频特征的压缩,使得后续在低频特征图上卷积操作的卷积区域（感受野）得到扩大,而计算量得到了降低,并且没有增加模型的参数量。本文将八度卷积和最先进的任意形状文本检测器PSENet结合,提出了基于八度卷积的任意形状场景文本检测器。在三个公开数据集上的实验结果表明,对于任意形状和任意方向的场景文本,本方法在明显提高检测精度的同时,也提升了检测速度。第二,提出了一种基于结构注意力的不规则脱机中文手写文本识别方法。手写文本除了书写风格多变之外,还面临着书写过程中涂改造成的文本擦除、插入和置换的挑战。尽管文本擦除得到了一定的研究,但是目前对于文本插入和置换的研究很少。针对插入和置换文本,本文提出了结构注意力网络（SAN）和一种新颖的结构表示法。在公开数据集SCUT-EPT上的实验结果表示,SAN在取得先进性能的同时,还能很好地识别插入和置换文本。通过可视化识别过程中注意力热图,进一步验证了本文提出的结构表示法的有效性。