西夏古籍是研究西夏历史的重要文献资料,然而辨识与理解其中的西夏文对研究人员来说依然存在较大困难,因此对西夏古籍文字的检测与识别就显得尤为重要。在以往基于深度学习的西夏古籍识别研究中,缺少均衡的西夏古籍字符数据集和有效的检测识别方法。由于西夏文字存在种类繁多、结构复杂且相似的问题,创建分布均衡的西夏古籍字符数据集和有效的检测识别方法仍面临巨大挑战。针对以上问题,本文主要工作如下:1、构建西夏古籍风格字符生成网络,扩充数据集。通过西夏古籍字符生成网络扩充668字符的西夏古籍字符数据集,提出 了基于 ACDGFont（Adaptive Coordinate Deformable Generative Font Networks）的西夏古籍字符生成模型。基于DGFont网络,通过对内容特征图像融合坐标注意力模块,通过精确的位置信息对通道关系和长期依赖性进行编码,提高对内容结构特征空间位置信息的提取;融合自适应卷积模块,使风格图像的浅层特征层的图像信息更好的融合到内容图像中,生成结构更清楚、细节更准确的西夏古籍风格字符,扩充数据集,得到668类样本均衡的西夏古籍字符数据集。2、使用基于迁移学习的 CRAFT（Character Region Awareness for Text Detection）西夏古籍单字符检测算法。针对西夏文与汉字结构相似的特性,使用CTW汉字单字数据集对CRAFT算法模型训练,使模型学习到汉字特征,得到预训练模型,使用迁移学习将应用到西夏古籍图像中,实验结果表明,CRAFT模型可有效完成西夏古籍字符检测。3、构建西夏古籍文字识别网络。提出了基于SAVAN（VisualAttention Network）的西夏古籍单字符识别算法模块,在传统的特征提取网络中,融合有监督对比学习损失函数进行识别,有效使用不同西夏字符标签,融合坐标注意力模块,通过精确的位置信息对通道关系和长期依赖性进行编码,增强网络学习图像特征的表达能力,进一步提高识别准确率。实验结果表明,基于SAVAN的西夏古籍字符识别模型的识别精度得到了有效提升。4、设计了一套西夏古籍字符生成与检测识别系统。基于Django框架,实现了从西夏字输入到输出西夏古籍风格字符图像,从西夏古籍图像输入到输出图中每个字符位置检测与识别结果的端到端系统设计,实现Web端的可视化展示。