图像文本检测和识别算法可服务于众多下游应用,包括基于图像的搜索、商务信息处理、地理位置定位、即时翻译、机器人导航,工业自动化和人机交互等领域,具有极高的研究价值。图像中文字及其标注信息作为驱动图像文本检测和识别算法的“燃料”,对于提高其算法性能至关重要,在深度学习时代更显突出。智能标注算法包含三个内涵:1)预标注、2)人机协作标注和3)人机协作校对。然而,目前应用于文本图像标注的智能算法只有利用文本检测和识别算法的预标注解决方案。由于当前检测和识别算法的预标注性能有限,导致人工补充和校对标注过程繁琐、工作量大。一方面,标注者需要标注形状各异的文本区域;另一方面,缺乏快速定位正确标注的手段,导致校对效率低。为此,本文研究和开发针对场景文本图像的智能标注算法和系统,具体包括以下几个方面:1)针对文本图像检测标注的人机协作标注,提出基于文本中心线的半自动场景文本检测标注算法。该算法以文本中心线为输入,自动生成多边形标注框。标注文本中心线相较于直接标注文本区域多边形可以减少一半的标注耗时,同时,本方法自动生成与全手动标注质量可比的精确多边形标注,可使训练的文本检测器达到领先水平。本文提出的半自动标注算法可直接用于交互式地辅助人工标注过程,减少标注工作量。2)针对文本识别标注的人机协作校对,提出标签平滑的文本识别校准方法。该方法借助标签平滑软化负对数似然损失的目标分布,进而缓解模型“过置信”问题。进一步,本文提出上下文本感知的选择性标签平滑算法,利用文本上下文信息自适应平滑,达到更高性能的置信度校准。校准识别模型的置信度可以准确估计预测精度,可作为一种指示精度的指标,并用于筛选高精度预测结果作为标注,人工只需要检查低置信度预测,提高标注校对效率。3)本文通过集成常见的文本图像检测算法,以及上述两个算法,构建文本标注系统,设计并实现包括预标注、文本框校对和文本内容校对三个标注流程。系统性能测试表明,在该智能系统辅助下,相较于手工标注,可以减少三分之二的标注时间,同时相较于业界常见的只用检测和识别算法做预标注的方案,该系统仍可以减少约40%的标注时间,为场景文本图像标注提供了一个高效实用的原型系统。