场景文本检测是计算机视觉领域中一个非常重要的研究课题。场景文本作为一种重要的信息载体,其检测技术已经广泛应用于图像/视频理解、视觉搜索、产品识别、自动驾驶、目标定位等领域。因此,场景文本检测技术的研究受到了很多学者的广泛关注。早期针对场景文本检测的研究,大多都选择使用文本框回归进行检测,该方法检测效率较高,但局限于检测矩形文本。最近,很多学者选择使用基于像素级分割的网络来检测不规则文本,并取得了很多有效的成果,但仍然存在着一些亟待解决的问题。首先,该网络在提升文本检测精度的同时不能保证较高的检测速度,难以在实际场景中应用;其次,场景中经常出现文本模糊、变形以及复杂背景干扰等情形,可能会导致漏检或误检;最后,网络的卷积操作会导致空间信息的损失,分割操作缺乏上下文信息的引导,从而降低检测性能。本文针对上述问题,对如何构建更加高效和准确的场景文本检测模型进行研究,取得的主要成果如下:（1）提出了一种融合双注意力机制的双向特征金字塔网络,在确保检测速度的前提下,有效提高了文本检测的精度。首先,本文使用了一种加权双向特征金字塔网络来改进现有的特征金字塔网络。其中网络结构的改进使得模型能够多次应用多尺度特征融合并保持检测实时性;可分离卷积使得计算参数减少,有效提高检测效率;快速归一化方法可以学习不同层输入特征的重要性,有效提升特征的表示和分辨能力。然后针对分割操作缺乏上下文信息引导的局限性,通过两种注意力机制增加上下文关系以丰富空间信息,进一步提高模型的特征表示能力,进而提升检测精度。实验结果表明,融合双注意力机制的双向特征金字塔网络不仅能更好地检测出不同方向或旋转扭曲的不规则文本,也能更好地解决由于模糊、遮挡、光照等导致的难以检测的问题。在ICDAR2015数据集上,所提出的模型在保证检测速度的前提下比基准方法的F-measure值提升了1.09%。（2）提出了一种融合空洞卷积的分割网络。首先针对多层卷积操作会导致详细的空间信息被分离的问题,在分割网络中加入空洞卷积,可以在不丢失分辨率的情况下有效增大感受野。此外,使用混合空洞卷积,通过在不同层设置不同的空洞率来获取多尺度信息,减少空间信息损失。通过大量的参数优化实验,确定了模型的参数。实验结果表明,融合空洞卷积的分割网络的模型参数少,可以通过扩大感受野有效提升检测精度。使用轻量级骨干网络Resnet-18时,在ICDAR2015、Totaltext和TD500三个公开数据集上的F-measure值分别比基准算法提升了1.22%、1.19%和2.14%。