フォントはデザインの中心的要素の一つであるため、画像や写真から自動的にフォントを識別し、類似フォントを提案する機能は、多くのデザイナーの長年の願望であった。本研究では、視覚的フォント認識（Visual Font Recognition, VFR）問題に取り組み、DeepFontシステムの開発を通じて、この分野の最先端技術を顕著に進展させた。まず、ラベル付きの合成データと部分的にラベル付けされた実世界データを含む、世界初の大規模VFRデータセット「AdobeVFR」を構築した。次に、利用可能な学習データとテストデータのドメインギャップを克服するため、特定の方法で前処理された合成データと、大量のラベルなし実世界テキスト画像を組み合わせる手法を用いた、スタック型畳み込み自己符号化器（Stacked Convolutional Auto-Encoder, SCAE）に基づくドメイン適応技術を活用した畳み込みニューラルネットワーク（CNN）分解アプローチを導入した。さらに、モデル性能を損なわずにDeepFontモデルのサイズを削減するため、新たな学習ベースのモデル圧縮手法を提案した。DeepFontシステムは、自ら収集したデータセット上で80％以上の精度（トップ5）を達成し、フォント選択や提案に適した良好なフォント類似度測定値を生成した。また、認識精度に目立つ低下を認めず、モデルサイズを約6倍に圧縮することに成功した。