La detección de texto en escenas es un trabajo de investigación fundamental en el campo del procesamiento de imágenes y tiene un gran valor de aplicación. Los métodos basados en segmentación tienen un procesamiento de características que consume tiempo, mientras que los algoritmos de postprocesamiento son excelentes. Los métodos de segmentación semántica en tiempo real utilizan redes ligeras para la extracción y agregación de características, pero carecen de métodos efectivos de postprocesamiento. La red convolucional pura mejora el rendimiento del modelo al cambiar componentes clave. Al combinar las ventajas de los tres tipos de métodos, proponemos una Red de Segmentación Bilateral Convulucional Pura (PCBSNet) para la detección de texto en escenas naturales en tiempo real.