El texto irregular tiene aplicaciones generalizadas en múltiples áreas. Diferente del texto regular, el texto irregular es difícil de reconocer debido a sus diversas formas y patrones distorsionados. En este documento, desarrollamos una red neuronal convolucional multidireccional (MCN) para extraer cuatro características direccionales que describan completamente la información textual. Al mismo tiempo, la posibilidad de colocación de caracteres se extrae como el peso de las cuatro características direccionales. Basándonos en estos trabajos, proponemos el codificador para fusionar las cuatro características direccionales para la generación de un código de características que predice la secuencia de caracteres. Toda la red es entrenable de extremo a extremo debido al uso de imágenes y etiquetas a nivel de palabra. Los experimentos en benchmarks estándar, incluidos los conjuntos de datos IIIT-5K, SVT, CUTE80 y ICDAR, demuestran la superioridad del método propuesto tanto en conjuntos de datos regulares como irregulares. El método desarrollado muestra un aumento del 1.2% en el conjunto de datos CUTE80 y del 1.5% en el conjunto de datos SVT, y tiene menos parámetros que la mayoría de los métodos existentes.