本发明实施例公开了一种自然场景文本检测模型训练方法、装置、服务器及存储介质。其中,所述方法包括：将图像进行特征融合,形成特征融合图将所述特征融合图输入至概率预测网络,得到所述概率预测网络输出的文本概率预测图；根据像素值和像素预测值计算像素难度值；按照渐进难度调整规则设定渐进难度系数,根据渐进难度系数和所述像素难度值计算对应的像素的训练难度,根据所述训练难度、对应的像素值和像素预测值计算损失值,在所述损失值小于预设的损失阈值时,返回按照渐进难度调整规则设定渐进难度系数步骤,直至所述损失值大于预设的损失阈值；按照所述训练难度对应的像素预测值对所述自然场景文本检测模型进行训练。