文字是人类社会信息传承的载体,充斥在人们的日常生活之中,但文字一般依附在图片之上,文本识别与文本检测则是将图片理解成为文字的关键性技术。其中,文本识别与文本检测被广泛应用到医疗、教育、文档数字化等领域中,属于热门的模式识别研究领域。另外,教育文档是一种特殊的手写文本场景,具有字符擦除、文本行补充、字符/短语切换、背景噪声、字号不均匀、文本长度不平衡以及版面复杂等文本处理的经典难点。本文寄托于教育文档场景,研究了基于深度学习的手写文本检测与识别技术。本文的研究与创新主要包括:1.文档检测任务:本文分别对单阶段文本检测模型与双阶段文本检测模型进行探索与改进,其中改进点包括了多特征融合,先验框聚类,加入长宽比预测支路和角点预测支路等。其中多特征融合提升了网络特征的质量,先验框聚类和长宽比预测支路降低了文本框回归难度,角点预测支路缓解了极致长文本回归时感受野不足的问题。2.文本识别任务:本文构建了一个囊括常见文本识别难点的教育试卷数据集,并针对难点,构建了一个多尺度全卷积残差递归网络。其中,多尺度感受野支路使网络提取特征的感受野能够较好地覆盖中文、数字和标点符号,以提高识别效果,另外,实验也证明了多尺度感受野特征之间使用相乘的方法进行融合效果较好。随后,本文提出了一种分区间贴白的数据预处理方法,能在不降低系统性能的前提下降低模型的训练时间。3.端到端文本检测与识别:目前文档处理最为常见的方法是将文档检测与文本识别分为两个任务进行,但这可能会导致只能获得次优解。对此,本文提出了一种用于脱机手写段落识别的快速端到端系统,称为对抗特征增强网络,该系统由五个部分组成:用于鲁棒特征提取的共享特征提取器,用于进行文本检测的文本检测分支,用于感兴趣区域特征提取的Ro IRotate,用于文本检测和识别分支联合特征学习的对抗特征学习网络,以及用于文本转录的文本识别分支。实验证明该系统在性能与速度上都获得了优秀的成绩。