随着互联网的快速发展,图像逐渐成为信息的主要载体,而图像中的文本信息可以帮助计算机更加准确的理解图像内容。但自然场景下文本的背景复杂多变,文字样式不一,嵌入位置不定,直接将OCR应用到自然场景中很难获得令人满意的效果。因此本文进行了基于深度神经网络的自然场景文字检测和识别方法研究,本文的研究内容主要体现在以下几个方面:1)提出了一种基于深度神经网络的多方向文字检测方法。针对文本具有较大横纵比的特点,本文构建了一种提取多尺度特征的卷积神经网络,并提出了一种文本线构造算法,使网络可以有效的检测倾斜文本。2)提出了一种基于注意力机制解码的文字识别方法。首先使用深度卷积神经网络提取图像的特征,然后使用两个循环神经网络实现对特征编码和解码。解码时利用注意力机制获取全局特征,利用CTC实现对注意力的约束,使网络可以快速收敛。3)本文对提出的检测和识别方法在不同数据集上进行了全面的分析和验证。与当前算法相比,本文提出的方法取得了不错的结果。