场景文本检测与识别的目的是从场景文本图像中定位并识别出计算机可使用的文字,在实时翻译,机器人导航等场景中有着广泛应用,有着很大的研究价值。自然场景的文字受到场景,光照变化以及噪声的干扰,使得传统的文本文档检测识别算法效果不佳。随着深度学习的发展,基于深度学习的场景文本检测与识别算法已经取得了很大的突破,但仍存在着许多问题,对于检测来说,目前算法针对任意形状文本做出的相关改进需要复杂的标签生成和后处理,一方面严重的影响了运行速度,一方面后处理算法根据文本形态改变而改变,鲁棒性较差。对于识别而言,目前普遍在预测阶段采用基于注意力机制的方法,采用该方法的场景文本识别模型存在着注意力漂移的问题,影响了识别的准确率。针对以上问题,本文研究内容包含以下两点:1.针对目前用于解决曲线场景文本检测算法运行速度慢的问题,本文研究了基于不需要后处理的通用目标检测框架Sparse R-CNN的任意形状场景文本检测算法,本文将Sparse R-CNN的建议区域改进为贝塞尔建议区域,并且利用多种注意力机制改进了Sparse R-CNN的特征提取模块。改进后的模型相较于需要复杂标签生成和后处理的现有算法速度大幅提升,在ICDAR2015和SCUT CTW1500数据集上检测速度达到了18fps,大幅领先目前主流算法。检测效果上,可以有效的检测曲线文本,倾斜文本,水平文本等多种情景下的文本,证明了贝塞尔建议区域的鲁棒性。2.针对目前预测阶段中基于注意力机制的识别模型存在的注意力漂移问题,本文研究了采用特征提取,序列建模,预测三阶段的识别算法SAR。本文在特征提取中加入CBAM注意力模块,小幅提高了准确率。在预测阶段,详细解释了SAR模型存在的注意力漂移现象,接着利用不需要字符级别标注的高斯先验方法优化了注意力机制。最后在规则文本数据集和不规则文本数据集进行了测试,结果表明加入的CBAM模块使得识别准确率平均上涨了0.3。加入了高斯先验优化后注意力机制使得平均识别准确率上涨了1.4,证明高斯先验有效的抑制了注意力漂移。此外,还可视化分析了注意力可视化热图,进一步验证了高斯先验的有效性。最后和当前的主流方法进行了比较,说明了本文方法的实用性并指明了进一步的研究方向。