كشف النصوص ذات الأشكال العشوائية في المشاهد الطبيعية هو مهمة بالغة الصعوبة. وعلى عكس الطرق الحالية للكشف عن النصوص التي تعتمد فقط على تمثيلات محدودة للسمات، نقترح إطارًا جديدًا يُسمى TextFuseNet لاستغلال ميزات أكثر غنىً تم دمجها في كشف النصوص. وبشكل أكثر تحديدًا، نقترح تمثيل النصوص من ثلاث مستويات لتمثيل السمات، وهي: المستوى الحرفية، والمستوى الكلمة، والمستوى العام، ثم نُقدِّم تقنية جديدة لدمج تمثيلات النصوص لتمكين تحقيق كشف قوي للنصوص ذات الأشكال العشوائية. يمكن لتمثيل السمات متعددة المستويات وصف النصوص بشكل كافٍ من خلال تفكيكها إلى أحرف منفصلة مع الحفاظ على معناها العام. ثم يقوم TextFuseNet بجمع ميزات النصوص من مستويات مختلفة ودمجها باستخدام بنية تكامل متعددة المسارات، التي تُمكّن من محاذاة ودمج التمثيلات المختلفة بشكل فعّال. في الممارسة العملية، يمكن لـ TextFuseNet تعلُّم وصف أكثر شمولاً للنصوص ذات الأشكال العشوائية، وتقليل الانذارات الخاطئة، وإنتاج نتائج كشف أكثر دقة. كما يمكن تدريب الإطار المقترح باستخدام إشراف ضعيف بالنسبة إلى مجموعات البيانات التي تفتقر إلى التسميات على مستوى الحرف. أظهرت التجارب على عدة مجموعات بيانات أن TextFuseNet يحقق أداءً متقدمًا للغاية. وبشكل خاص، حققنا معامل F قدره 94.3% على ICDAR2013، و92.1% على ICDAR2015، و87.1% على Total-Text، و86.6% على CTW-1500، على التوالي.