自然场景中的文本包含着丰富的语义信息,对于场景的理解具有重要的意义。目前越来越多的智能设备都使用到自然场景中的文字,因此近年来场景文本检测技术受到了计算机视觉领域的广泛关注。然而由于文本在字体、语种和方向的多样性,背景的复杂性以及其他的外界因素的影响,自然场景中的文本检测技术依然面临着许多的困难。本文将文本检测分成基于位置回归的文本检测方法和基于语义分割的文本检测方法进行研究,主要的内容如下:（1）自然场景中的文本具有多方向的特性,同时一些非拉丁文本如中文,这些文本都具有很大的长宽比差异,定位粒度为文本行。针对这些问题本文设计了GVHBRC模型,该模型不需要预设多组合的锚框,而是通过每个位置的一个锚点执行级联细化得到高效的区域建议,用来覆盖文本目标的尺寸范围,同时为了实现特征与锚点的对齐,以锚点作为输入,在锚点的引导下进行特征提取。在特征提取时使用残差的方式向FPN^[1]网络的最高层特征中注入多个不同尺度的空间上下文信息,减少最高层特征在通道中的信息丢失。实验表明模型在MSRA-TD500^[2]和RCTW-17^[3]数据集上的F值分别达到了87.5%和70.3%。（2）自然场景中存在一些文本的形状是弯曲的,低对比度的文本与背景难以区分和一些定位粒度为单词的小文本出现漏检误检等问题。针对这些问题本文设计了PSEFGB模型,该模型是基于语义分割实现的,通过对像素进行分类,可以有效的定位弯曲文本,使用注意力机制在特征提取时对特征进行重构,有选择性的加强包含对当前文本检测任务有用的信息,减少文本误检。利用整合的均衡语义信息来强化多层次特征,使得特征更加具有辨别力,减少漏检问题。实验表明模型在SCUT-CTW1500^[4],Total-Text^[5],MLT-2017^[6]数据集上F值分别达到了85.16%,83.30%,72.47%。