在人们的生产生活中,每天都有大量的信息产生。随着技术的不断进步,为了便于信息的存储、查询与管理,许多领域开始进行信息的数字化。信息的数字化就涉及到手写汉字识别技术,然而,由于汉字数量多、结构复杂,且传统手写汉字识别系统采用人工提取特征的方式,因此,手写汉字的识别仍然有许多困难需要克服。书法是中华民族特有的一种传统艺术形式,对于书法临摹作品的评价,目前主流的方式是通过人工设计、浅层学习来获取图像特征,然后根据原贴与临摹习作的相似度给出临摹评价。随着人工智能技术的不断发展,如何将其应用在书法临摹评价体系中将是一个具有重大意义的研究方向。深度学习是机器学习研究中的一个新领域,是当前机器学习领域最前沿的课题之一。深度学习与传统的模式识别最大的不同在于它可以从大数据中自动学习特征,从而有效减少人工特征提取中过程繁琐、存在人工干扰误差等的缺点。本文结合深度学习技术,分别对手写汉字集识别以及书法临摹评价做了深入研究,主要工作包括:(1)通过查阅文献,分析了所选课题的研究背景、研究意义以及相关技术的国内外研究现状。(2)提出了基于标准外围轮廓法的字符分割方法;选取Alexnet网络、手写汉字数据集以及软硬件环境;利用选取的手写汉字数据集,对Alexnet网络进行训练并对其进行结果分析;通过增加Alexnet网络的卷积层,改进了网络的特征提取能力,从而提高网络对手写汉字的识别准确率。(3)通过分析书法临摹评价原则与卷积神经网络提取特征的方式,提出基于Alexnet的行书体书法临摹评价方法;采用数字图像处理技术对用于训练行书体书法临摹评价模型的书法数据集进行扩充,包括图像旋转、图像缩放以及图像加噪等;利用扩充后的书法数据集对Alexnet网络进行训练,然后对行书体书法临摹作品进行评价,证明了基于深度学习的行书体书法临摹评价的可行性和有效性。