بما أن الخط يُعد أحد المفاهيم الأساسية في التصميم، فإن التعرف التلقائي على الخطوص من صورة أو صورة فوتوغرافية، والتوصية بخطوط مشابهة، كان دائمًا من الرغبات الأساسية لدى العديد من المصممين. نحن ندرس مشكلة التعرف البصري على الخطوط (VFR)، ونُحدث حالة الفن بشكل ملحوظ من خلال تطوير نظام DeepFont. أولاً، نُنشئ أول مجموعة بيانات كبيرة متاحة لمشكلة التعرف البصري على الخطوط، ونُسمّيها AdobeVFR، والتي تتضمن بيانات مُصنفة صناعيًا، وبيانات واقعية جزئيًا مُصنفة. ثانياً، لمعالجة الفجوة بين المجالات بين البيانات التدريبية والبيانات الاختبارية المتوفرة، نُقدّم منهجية تحليلية قائمة على الشبكات العصبية التلافيفية (CNN)، باستخدام تقنية تكييف المجال المستندة إلى مُشَكِّل تلافيفي متعدد الطبقات (SCAE)، والتي تستفيد من مجموعة كبيرة من صور النصوص الواقعية غير المصنفة، مدمجة مع بيانات صناعية تم معالجتها بطريقة محددة مسبقًا. علاوة على ذلك، ندرس نموذجًا جديدًا قائماً على التعلم، لضغط النموذج، بهدف تقليل حجم نموذج DeepFont دون التضحية بأدائه. يحقق نظام DeepFont دقة تزيد عن 80٪ (المرتبة الخمس الأولى) على مجموعة البيانات التي جمعناها، كما يُنتج قياسًا جيدًا لمدى تشابه الخطوط، مما يُمكّن من اختيار الخطوط والتوصية بها بشكل فعّال. وبفضل هذا النهج، نُحقّق تقليلًا في حجم النموذج بنسبة تقارب 6 أضعاف، دون ملاحظة أي خسارة ملحوظة في دقة التعرف.