文字是人们生活中重要的信息之一,除了存在文档中,在自然场景里也大量出现,如街道上商大楼的标识牌、道路上的各种路标、各种广告牌等。在计算机视觉领域,提取图像中的文字信息作为一项重要的辅助技术,为盲人出行辅助系统、自动驾驶、智慧城市等多个未来热门应用提供重要信息,因此一直是具有很高的研究价值和意义。而随着Alen Net^[1]在2012的Image Net^[2]图像识别挑战赛上大放光彩,一举超越传统方法,让深度学习名声大噪,从而被很多人用于场景文字识别之中。含有文本的自然场景图像中一般背景占面积较大而且复杂,直接从图像中识别文字非常困难。所以一般先做文本区域检测,定位出文本区域然后截取这一小部分图像再用识别算法得到最终的结果。首先本文使用PSENet^[3]算法做文本检测,并加以改进,利用膨胀卷积来扩大其感受野,增强其长文本检测能力,提高精度和召回率,训练数据来自于在网络上下载的相关领域常用的数据集。对于文本识别,本文使用CNN+LSTM+CTCLoss^[4]的结构来训练,数据使用自己开发的文本图像合成程序自动生成大批量的、变化丰富的文本图片作为训练集,最终也能达到较高的精度。基于深度学习的方法虽然极大的促进了场景文字识别的发展,但是有一个问题就是模型的计算量太大,在配置很好的GPU服务器上也需要较长时间才能获得结果,所以针对深度学习模型的推理加速方法的研究也应运而生。在得到训练好的高精度模型之后,为了加速其实际运行时间,通过调研国内外相关领域的最新研究,提出了本文的核心创新点,基于Group Lasso的定向加权的模型剪裁算法称之为DWGL^[5],能极大的剔除深度学习模型中冗余的计算参数从而实现运行时的加速。在研究算法时,本文在公开数据集上用模型剪裁算法DWGL与其他前沿的算法做对比实验,达到了75%左右的剪裁比,然后写成论文发表在国际学术会议BMVC上（CCF）。在证明了剪裁算法DWGL的正确性与实用性之后把该算法应用到PSENet、CRNN这两个训练好的深度学习模型上,取得了很明显的加速效果。之后又进一步调研了NVIDIA的深度学习加速引擎—TensorRT的原理及用法,在实际工程部署中进一步加速以获取最极致的加速效果。通过这两个方法的结合,最终对PSENet和CRNN的实际运行速度都提升了5倍左右,而精度损失只有2%。