随着深度学习的发展,场景文本检测与识别许多难题都迎来了解决方案,发票识别有着迫切的现实需求,发票识别的研究具备很大的应用价值,但是目前针对发票识别的公开研究成果非常少,其中大多数方法还是基于模板的方法,性能相对较低,且鲁棒性不高,深度学习的优势没能被利用起来。由于发票本身的柔性、机打效果、以及拍摄环境等众多因素的影响,发票图像往往具有形变、文本不清晰、票面不完整、成像质量差等特点,这些特点是影响发票识别性能的关键性因素,也是发票识别的研究难点。发票的这些成像特点与场景文本检测识别所面临的问题有许多相似之处,票面文本的呈现形式又与场景文本有所不同。针对这些难点,结合了场景文本检测与识别最新的研究成果,在端到端的场景文本检测与识别网络FOTS的基础上,针对发票图像识别问题进行改进,替换FOTS网络的文本检测方法,改为基于角点的文本检测与位置敏感区域分割方法,以此来增强网络对于检测多方向、多尺度文本的鲁棒性,设计了端到端的网络结构。此外,还提出了用程序合成发票图像的可行性方案,并在实验中使用合成的发票图像数据集训练深度模型。实验结果显示,该网络在发票图像数据集上,文本检测的F-measure达到92.16%,票面有效信息的整体识别准确率可达到96.56%,网络处理单张发票的平均时间为264ms,这表明基于深度学习的方案能有效提升发票识别的准确度和速度。