自然场景下的文本检测是计算机视觉领域中一个重要研究领域,作为文字识别的先前步骤,它直接影响着文字识别的准确率。目前自然场景下水平或近似水平的文本检测算法已能达到很好的效果,但多方向文本的检测问题依然还未能得到很好的解决。针对多方向文本检测问题,本文提出了两种自然场景下的多方向文本检测模型。采用卷积神经网络的方法,应用深度监督机制,并在预测文本区域时融合多个卷积阶段的特征,提高了文本检测的准确性。主要工作如下:(1)提出了一种基于回归预测的深度监督文本检测模型。该模型通过将特征图的每一个像素进行文本/非文本分类,以及回归预测该像素对应文本区域几何特征的方式来检测文本区域。检测模型中应用了深度监督机制,对不同阶段卷积层提取到的特征图上采样,根据多个上采样结果预测图像中的文本区域。在对像素进行文本/非文本分类时,通过预测像素点属于文本区域的概率以及属于非文本区域的概率,比较两个值的大小,确定像素分类结果。这种方式不需要人工设定阈值,使预测结果更精确。该文本检测模型在ICDAR2015和MSRA-TD500两个数据集上比EAST算法在F-Score分别提升了2.24%和2.28%。(2)提出了一种基于语义分割的深度监督文本检测模型。该模型通过将特征图的每一个像素进行文本/非文本分类,以及预测该像素点与周围像素点的连接关系,通过将属于同一文本的像素进行聚类来检测多方向的文本区域。该语义分割模型中也应用了深度监督机制,并在预测输出时融合了多阶段的特征,使预测更精确。用ICDAR2015中的图像训练该模型,在召回率、准确率和F-Score三项指标上均高于Pixel Link算法。这两种模型都是对自然场景下的文本区域进行检测,在训练模型时,采用了深度监督机制和融合多阶段特征的方法。一方面,深度监督机制对卷积神经网络多个阶段提取到的特征图上采样,据此预测图像中的文本区域,并计算预测损失。这种方式使卷积神经网络可根据多个阶段的预测损失调整参数,给卷积神经网络中每个卷积层提供了更多的反馈信息。另一方面,卷积神经网络中,融合多阶段特征将高卷积层包含有更多全局、抽象信息的特征图和低卷积层中包含丰富空间位置信息的特征图相融合,使预测更精确。实验结果表明,深度监督机制和融合多阶段特征的方式对两种文本检测模型的性能都有很好的提升。