本发明提供一种文字识别方法及系统，该方法包括：获取待识别的自然场景文字图像；将自然场景文字图像输入到文字识别模型中，得到文字内容；其中，文字识别模型是由视觉识别网络、视觉信息优化网络和语义信息优化网络构成的；视觉信息优化网络和语义信息优化网络，用于根据文字识别网络输出的字符特征，分别生成对应的文字识别补充信息，以供文字识别网络基于文字识别补充信息，对文字识别结果进行优化。本发明通过使用视觉信息优化网络和语义信息优化网络，在视觉特征和语言结果两个层面，获取全局信息，并将得到视觉和语义的线索，作为视觉识别网络迭代执行识别过程的补充信息，从而逐步获取更为鲁棒的识别结果，提高文字识别精度。