本文介绍了SEE，一种用于自然场景文本检测和识别的半监督神经网络。SEE通过端到端的优化方式实现，相较于现有的多个深度神经网络和多个预处理步骤，SEE提出了使用单一的深度神经网络的方案。作者通过实验验证了该方案的可行性和竞争性结果。