识别不规则场景文本是光学字符识别(OCR)问题中较为困难的子问题,该问题对学术界所提出的字符识别算法非常具有挑战性。目前,工业上实际应用的算法分为三类:将不规则场景文本通过薄板样条函数插值(thin plate splines)成规则场景文本后,再进行识别,即由2D布局转成1D布局;提取2D图像特征,通过卷积神经网络和带有循环注意力机制神经网络,降维成1D特征序列,再进行识别;将2D图像转换为1D特征序列,然后通过从自然语言处理领域借鉴过来的联结主义时间分类器(connectionist temporal classification)算法,进行识别。尽管上述方法取得了较好的表现,但是准确率和鲁棒性仍然受限于2D到1D转换过程中空间信息的丢失。本文将2D布局的不规则场景文本通过2D注意力机制,直接预测字符序列。本文提出将不规则场景文本识别分为2D特征提取模块、关系注意力模块和并行注意力模块,共计三个模块。其中,对于2D特征提取模块,本文将在现有文本图像2D特征提取算法的基础上,进行算法改进,在获取上下文语义信息的同时,保留2D空间信息,避免了2D到1D转换过程中,空间信息的丢失,该部分作为网络的编码器;关系注意力模块用于将2D特征提取器所输出的特征图,进行更进一步的上下文信息提取,获取更高维的语义信息。并行注意力模块用于将关系注意力模块的输出,进行注意力加权,并将加权后的特征图送入后续的同步解码器,预测所有的字符序列,上述模块是并行计算结构,将会提高算法的效率和准确率。本文将针对提出的不规则场景文本识别算法,在公开数据集和本文提出的多行车牌文本识别数据上进行扩展实验,同时进行可视化分析和必要性讨论。实验证明,本文提出的算法在规则和不规则文本识别问题上是高效的。在速度上,比之前所提出的文本识别算法快2.1倍;在精度上,针对不规则场景文本数据集,准确率超出之前所提出的算法高达7.3%。