由于字体是设计中的核心要素之一，自动从图像或照片中识别字体并提供相似字体建议，一直是众多设计师长期期待的功能。本文针对视觉字体识别（Visual Font Recognition, VFR）问题展开研究，通过构建DeepFont系统，显著推进了该领域的技术水平。首先，我们建立了首个可用的大规模VFR数据集——AdobeVFR，该数据集包含标注的合成数据以及部分标注的真实世界数据。其次，为缓解现有训练数据与测试数据之间的域差异问题，我们提出一种基于堆叠卷积自编码器（Stacked Convolutional Auto-Encoder, SCAE）的域适应技术，并结合大量未标注的真实文本图像与经过特定预处理的合成数据，构建了一种卷积神经网络（CNN）分解方法。此外，我们还提出一种新颖的基于学习的模型压缩方法，在不牺牲识别性能的前提下显著减小DeepFont模型的规模。实验结果表明，DeepFont系统在我们收集的数据集上实现了超过80%（Top-5）的识别准确率，并能有效生成字体相似性度量，支持字体选择与推荐。同时，该系统实现了约6倍的模型压缩率，且识别准确率未出现明显下降。