场景文本检测是计算机视觉领域的重要任务,包括水平文本检测和曲线文本检测等。基于深度学习的场景文本检测方法已经取得了非常不错的成果,但它们的训练十分依赖大规模的标注数据。由于实际工程中标注数据的成本预算是有限的,所以研究减少数据标注量同时保证模型性能的工作具有重要意义。本文使用增量学习和主动学习方法,针对场景文本检测任务设计了一个增量-主动学习框架,并分别在基于回归和基于分割的文本检测方法上验证了该框架的有效性。本文的主要研究工作和贡献如下:1.针对场景文本检测任务,本文提出了增量-主动学习框架,该框架下的增量学习和主动学习可以互相促进。首先,增量学习能扩充训练数据和优化模型,使用更好的模型有助于主动学习挑选出更合适的样本。其次,场景文本检测任务十分复杂,增量学习自动标注的数据往往是简单或标错的样本,导致模型无法通过增量学习学到新知识。主动学习通过引入新数据的方法促进模型更新知识,帮助增量学习突破知识瓶颈。2.基于回归的检测方法输出的检测框置信度只表示分类概率,不包含位置是否准确的信息。为了评价检测框位置的准确程度,本文提出了位置置信度,并在此基础上提出了评价整张图像的指标。根据这个指标,本文将基于回归的检测方法应用在增量-主动学习框架上,通过实验证明了该框架能有效减少标注成本。此外,本文改进了双阶段的文本检测器。该检测器通过双向的特征融合网络提高特征提取能力,以及通过改进损失函数来改善模型的优化目标,因此相比原模型更能精准检测水平场景文本。3.在分割的文本检测方法输出的分割图中,像素值只表示像素点属于文本区域的概率,缺乏像素点的空间位置信息。本文提出的邻域差异度通过对比像素点与其邻域像素点的差异,得到像素点的空间位置信息。根据这个指标,本文将基于分割的文本检测方法应用在增量-主动学习框架上,并证明了该方法能有效减少曲线文本的标注成本。