文字包含丰富的语义信息,常用来表达情感,传承知识。本文主要研究现实生活中的文字,这类文字被称为自然场景文本。场景文字的检测和识别技术具有广泛的应用场景,如车牌识别、票据识别、图像检索等。自2012年以来,基于深度学习的方法在计算机视觉刷新了多项任务的指标,取得了叹为观止的成果,当下文本检测领域的主流方法也都使用深度学习算法。本文基于深度学习框架,围绕场景文本不规则的形状、变化幅度大的尺度以及大间距或文本局部被遮挡等难点展开一系列研究。1)为了检测长文本与剧烈弯曲文本,本文依据分治策略提出了一种基于子区域融合的文本检测算法,该方法先将文本区域划分为左右两个子区域并单独检测出来,在推理过程中将子区域合并成完整的文本实例。该方法使用全卷积网络预测四个局部组件,包括文本区域,文本骨架,文本子区域和文本连接区域。文本区域和文本骨架用来分隔相邻的文本实例。文本子区域通过文本连接区域合并,形成一个完整的文本实例。实验结果表明,该方法在两个弯曲文本数据集上的性能优于当时最新的方法,在Total-Text和CTW1500数据集上分别取得了82.42%和82.63%的F-分数。该方法在多方向文本数据集上的性能也富有竞争力,在IC15数据集的F-分数达到了 85.86%。2)针对具有较大字符间隔和局部被遮挡的文本实例很容易被误检成多个文本框的问题,本文提出了一种基于特征嵌入的文本实例重组算法。该方法提出了文本实例嵌入模块（TIEM）来学习文本区域内每个像素的特征相似性,在训练中最小化同一个文本实例内像素间的特征距离,最大化不同文本实例间的特征距离。在推理阶段,如果两个相邻候选文本在特征空间中的距离小于阈值且满足特定条件,这两个候选文本将被文本实例重组算法组合成一个完整的文本实例。实验结果表明,测试集中一些局部被遮挡和大字符间距的文本能够被完整的检测。该方法在文字行级标注的数据集（即CTW-1500）上实现了最佳性能,在单词级别标注的基准数据集（即Total-Text,IC15）上达到了富有竞争力的性能。3)本文结合实际需求,实现了一个增值税发票感兴趣文本检测系统。在进行需求分析后,对增值税发票进行了详细的版面分析和难点分析。依据现有方法的缺点以及增值税发票感兴趣文本检测问题中的难点逐步进行改进。检测结果证明了该系统针对增值税发票文本检测具有较好的适用性。