图像中的文本提供了丰富而精确的高级语义信息,对于场景理解、图像和视频检索等众多潜在应用具有重要意义。文本检测作为理解场景文本的必要手段,近年来受到了计算机视觉领域的广泛关注。然而,由于文本尺度的多样性以及图像质量的不确定性,自然场景中的文本检测仍然是一个具有挑战性的问题。受启发于卷积神经网络在目标检测任务中的成功应用,本文结合深度学习技术,提出了一种基于多级特征提取的文本检测方法。该方法设计的多级特征提取能够捕捉到文本细节信息,有利于增强算法对小尺度文本以及低分辨率图像的鲁棒性。此外,该方法是端到端的,可以直接输出文本检测结果。本文在多个标准数据集上对方法进行了评估,实验结果证明了本文方法的有效性。为更好地检测图像中的多尺度文本,本文提出了一种新型的尺度自适应的文本检测方法,通过引入尺度回归层来学习图像中文本的尺度,并根据学到的尺度自适应地调整先验框的大小。相比于现有的基于先验框的文本检测方法,该方法极大地降低了先验框的数量,进而提高了算法的计算效率。此外,本文提出了尺度自适应的感受野来代替现有方法中广泛使用的标准感受野。该算法能够根据学到的文本尺度自动地调整感受野的大小,减少特征提取阶段背景的干扰,为目标文本提取出更精准的特征表达,进而提高检测准确率。本文在标准数据集上同其他文本检测算法进行了对比实验。实验结果表明,本文方法可以显著提高基于先验框的检测框架的计算效率,并进一步增强了算法对多尺度文本的鲁棒性,尤其是小文本。