1.基于CRAFT和SCRN‑SEED框架的自然场景文字检测识别方法，其特征在于，包括如下步骤：

(1)利用真实数据集和合成数据集建立图像数据集，将图像数据集分为训练集和测试集；

(2)利用图像数据集训练CRAFT网络：(201)将CRAFT网络进行改进，以ResNet50网络作为主干网络，将合成数据集中的图片输入到改进后的CRAFT网络进行特征提取，输出区域得分和亲和度得分；

(202)根据两项得分通过高斯热力映射进行编码，生成高斯热力图；

(203)根据分水岭算法将输入图片中完整文本切割成单个字符，通过后处理操作将字符生成任意形状文本的多边形；

(203)应用迁移学习的思想，利用预训练模型初始化改进后的CRAFT网络；

(3)利用真实数据集训练不规则文本纠正网络SCRN；

(4)将SCRN与SEED网络结合，训练结合后的SCRN‑SEED网络；

(5)将改进后的CRAFT网络与SCRN‑SEED网络连接，构建完整的模型并进行训练。

2.根据权利要求1所述的自然场景文字检测识别方法，其特征在于，所述应用迁移学习的思想，利用预训练模型初始化改进后的CRAFT网络的步骤包括：首先，使用合成数据集训练CRAFT网络，使用Adam优化器优化网络，再利用多个真实数据集微调网络，在微调期间，以1：5的比率使用SynthText数据集，以1：3的比例使用在线难例挖掘；

然后，使用含有四边形标注的真实数据集和SynthText数据集训练CRAFT网络，将其中一部分划分为测试集对网络参数进行调整。

3.根据权利要求1所述的自然场景文字检测识别方法，其特征在于，所述将SCRN与SEED网络结合，训练结合后的SCRN‑SEED网络的步骤包括：用训练后的SCRN网络代替SEED网络中的图像纠正模块，利用语义模型FastText的预训练语言模型初始化预训练模型的参数，利用测试集初步训练改进后的SCRN‑SEED网络，根据训练效果调整网络参数。

4.根据权利要求1所述的自然场景文字检测识别方法，其特征在于，所述将改进后的CRAFT网络与SCRN‑SEED网络连接，构建完整的模型并对其进行训练的步骤包括：将任意形状文本的多边形生成包含所有字符的最小矩形框，将矩形框裁剪出来，调整裁剪后图片格式，然后输入到SCRN‑SEED网络完成模型的构建，利用验证集对模型进行训练，将训练效果最优的参数保留，输入自然场景下的图片到模型中，进行自动文字检测与识别任务。

5.根据权利要求1所述的自然场景文字检测识别方法，其特征在于，所述真实数据集来自ICDAR2013、ICDAR2015、ICDAR2017、MSRA‑TD500、TotalText、CTW‑1500数据库，所述合成数据集为SynthText数据集；

调整图像数据集中每个图片的大小，将数据集中的图片格式转换mdb格式。