计算机视觉领域一直吸引着研究人员不断的探究,该领域技术可应用于生产控制、智慧城市、信息提取等诸多方面,其中对自然场景中文字的检测是提取出图像中高级文字信息的关键技术之一。近年来伴随着深度学习技术的发展,大量自然场景文字检测方法被提出,如何融合这些方法的优点达到更好的检测效果,是该领域的研究热点。本文在研究多种自然场景文字检测模型的基础上,提出一种基于SSD算法的自然场景文字检测模型。该模型利用本文提出的外部交互校正方法,融合了语义分割和目标检测这两种经典文字检测框架。所提出的融合方法同时运行语义分割算法和目标检测算法分别获得文字检测结果,再将两种方法的检测结果进行相互修正。为了改进现有文字检测方法,本文首先对SSD算法进行改造,引入多层Inception结构,同时根据自然场景文字特点修改默认文字边界框的尺寸。在分别获得改进后SSD算法和语义分割算法的检测结果后,使用本文提出的边界框增强模块,逐项利用语义分割结果计算SSD检测结果的区域中值概率,并根据概率值判断该文字边界框保留状态。为了进一步使用语义分割结果,本文提出了一个语义边界框模块,该模块使用全连接条件随机场处理语义分割结果中的文字粘连与错判情况,并找出语义分割结果中的文字边界框坐标。最后使用非极大抑制模块再次融合SSD算法和语义分割检测结果,充分结合两种方法的优点得到最优的自然场景文字检测效果。为评估基于SSD算法的自然场景文字检测方法性能,本文在标准数据集ICDAR2013和Street View Text上训练和测试所提出的算法。实验结果表明,本文提出的外部交互校正方法优于传统融合方法,其中直接加入所提出的外部交互校正方法最大提升F-measure指数13.26%,加入所有改进的方法最大提升F-measure指数22.01%,最高的F-measure指数是83.68%。实验结果证明了本文提出的方法能够很好的融合两种方法的优点获得更好的自然场景文字检测结果。