本发明公开了一种基于多尺度特征融合的网络图像文本识别方法及系统，所述方法包括：通过残差网络的U‑net网络结构，提取出训练数据集中每张网络原始图片所有文本信息的特征图；基于残差网络提取的全部文本信息的特征图，利用全卷积网络输出文本预测框和文本预测框水平角度；将残差网络提取的全部文本信息的特征图结合文本预测框水平角度，对特征图有向特征区域进行仿射变换的旋转操作，得到轴向对齐的特征图；对轴向对齐的特征图进行文本标签转录，并配合全卷积网络输出的文本检测结果，输出原始图片所有文本的检测和识别结果。本发明能同时完成网络图像文本的检测和识别，只使用少量额外训练数据即可提高网络图像文本识别的精确率。