随着人工智能的兴起,图像数据呈爆炸式的增长,文档文本检测已不再满足人们的日常需要,更多的将是对场景文本的进一步研究。而场景文本检测又由于其特殊性,受到诸如光照、背景复杂度、文本多样性等多种因素影响,已成为近几年研究的热点之一。目前主流检测算法主要基于深度学习的方式,针对多方向文本边框的线性特征设计且均具有较好的检测结果,但由于曲线文本自身的特殊性即对应表征方式未能实现边缘轮廓的精准定位,造成精度下降的问题。为此,本文从多尺度融合和边框细化角度出发,采用图像分割与目标检测相混合的方式用于改进场景文本检测。主要研究内容具体如下:（1）卷积或池化操作往往会影响特征尺寸的大小,如果多次池化将导致特征尺寸太小,减少池化层又会影响感受野而忽视像素级的重要信息。为了平衡这一关系,采用双分支融合网络的方法,即结合ASPP网络和特征金字塔网络各自优点增强感受野以获取不同尺度的层级信息,提高对小目标、长文本的检测作用,同时该方法也可有效缓解因空间信息丢失造成的影响。（2）通常采用四边形锚框设计对曲线文本并不能起到有效的表征,因此本文提出一种二阶段细化方式作用于检测层。该方法包含直接回归和形状表征两个模块,第一阶段直接回归用于确定文本粗略位置,第二阶段形状表征通过图像分割原理获取文本区域、中心线并合并生成相应的连通区域,再结合多个采样点重构生成文本行与外界边框,最后裁剪细化边框获得更为精准的曲线文本检测结果。（3）为了抑制一阶段冗余边框进而提升文本位置的精准定位,采用局部感知NMS的方法优化,同时针对本文模型存在的正负例样本不平衡以及重叠锚框回归损失不易计算的问题进行参数上的优化。在损失函数部分引入加权的Focal loss和GIo U分别作用形状表征和直接回归模块,使得整体模型训练过程更为稳定。本文算法在ICDAR2015和Total-Text数据集上进行测试,以召回率、准确率、F值作为评价依据。实验结果表明本文算法与其他主流算法相比,曲线文本准确率和F值均有所提升,且在多方向文本上也有较好的检测结果,从而进一步验证本文方法可行,且具有较强的鲁棒性。