本发明提供了基于多尺度训练和级联检测的文档版面分析方法和系统，通过把输入的版面图像随机缩放到某个范围尺度的图像，将此尺度的图像输入训练构建好的网络进行特征的提取和融合，根据版面不同元素的属性，设置相应的分割网络分支进行分割识别，使得每张文本图像上的文本、图片、表格、列表、公式得到正确的划分，完成版面分析，实现了同时检测文档图像中的多种类别对象并区分文档图像的目标的功能。本发明提高了检测模型对物体大小的鲁棒性，降低了输入图像缩放操作对模型的影响；采用特征融合模块使模型能够关注图像每个区域的有效特征，忽略无效特征，提高了模型的辨别能力，能更有效地执行文本区域划分任务，增强了特征表达能力。