汉字字体设计是一项十分繁琐的工作,需要对每一个汉字进行单独设计,由于中文汉字量十分庞大,设计一种新的字体需要耗费大量的人力与时间成本,故一套辅助字体设计的方法十分有必要。本文将使用深度学习的方法完成汉字字体风格迁移任务,将有助于提升字体设计效率。深度学习是一种模拟人脑神经元之间连接而出现的机器学习方法,随着近年来计算机计算能力的大幅提升,深度学习方法在许多领域,如图片处理、自然语言处理、无人驾驶等,都获得广泛应用并展现了诸多的技术优势。本文将尝试利用深度学习方法的强大数据处理能力来完成中文汉字字体风格迁移任务,中文汉字字体风格迁移任务本质上属于一种图片生成任务,需要根据风格特征与内容特征两部分生成所需的图片。本文针对中文汉字字体风格迁移问题,采用深度学习的方法进行研究,具体内容如下:(1)对中文汉字字体风格迁移任务进行分析,确定任务性质、难点、以及解决问题的思路。(2)使用卷积神经网络通用结构进行汉字字体风格迁移任务进行尝试,使用传统卷积神经网络模型结构进行图片生成任务,通过引入不同的正则化算法如批量正则化、随机丢弃等来辅助模型的训练。(3)根据卷积神经网络结构模型中的不足进行改进,采用编码-解码器结构模型进行模型的重新设计,在编码-解码器基础上引入连通桥结构,并加入标签控制多种风格的同时训练与生成,并对测试结果进行分析。(4)在编码-解码器结构模型基础上再做改进,将变分自动编码器元素引入到模型当中,对生成的编码进行分布约束,并在人为控制的情况下实现较为圆滑的过渡,为小样本下的风格迁移提供了可能。