自古以来,人们创造了许多知识的财富,古籍文献是这些财富的重要载体。为了更好地利用和保护这些古籍文献,将它们进行数字化是一个即高效又重要的方式,而古籍文献数字化又离不开对文献中的文字进行识别和定位。古籍文献中的文字识别可以认为是光学字符识别(OCR)的一个分支,虽然OCR已经是一个相对比较成熟的研究课题,但是古籍文献中的OCR仍然面临着各种挑战,包括类别数较多、字迹模糊、书写方式多样和背景复杂等等。与古籍文献中的文字识别深受关注不同,古籍文献中的文字检测被研究得并不多,然而,将文献扫描图中的文字准确定位出来对古籍文献的相关研究也有着重要意义。目前,基于深度学习的方法在计算机视觉各个研究领域都取得了较好的效果,但是将其应用于古籍文献中的文字识别与检测任务上却不多。于是,本文针对以上任务,基于一个全新的数据集,灵活使用深度神经网络,实现了古籍文献中的文字识别以及文字准确定位,此外,还利用强化学习对单字进行更精准的位置调整。具体而言,本文的工作内容和创新主要包括以下三个方面:1、针对古籍文献中的文字识别问题,在仅有页面级别标注信息的训练数据时,使用卷积神经网络进行文本行级别的文字识别,并设计了一种门结构对梯度进行自适应地过滤,降低了“错误标注”样本对模型训练效果的影响,使用该结构能将识别错误率降低35%以上。2、针对古籍文献中汉字的精准检测,我们提出了一种识别指导检测的全新框架,该框架由两个卷积神经网络组成:基于识别指导的候选区域生成网络,该网络负责提供文本图像上的语义信息来辅助检测网络;以及检测网络,该网络利用所提供的语义信息准确定位每个文字。实验结果表明,相比于目前主流的目标检测和自然场景文本检测算法,我们提出的框架能够在参数大大减少的情况下实现相当甚至更好的性能。3、为了得到文字更精确的位置,本文结合主流的检测框架以及强化学习中的深度Q-learning算法,对古籍文献中文字的检测结果进行自动化微调。本文实现并验证了使用强化学习来获得古籍文献中更精确文字检测结果的可行性。