项目围绕HITHCD手写汉字数据库(即将公开)，对多达21,003类、2,000万份手写汉字样本进行了二值化、随机旋转、亮度调整、霍夫变换、透视校正等多种方案增强，并在此基础上复现了LeNet、VggNet、AlexNet、ResNet、Convolutional Prototype Learning等多种卷积神经网络，采用标签映射法、笔画编码法、分级聚类法等改进以适应大类别手写汉字识别问题，最终应用到安卓端。系统具有实时单字检测、手写板汉字识别、作文拍照识别等功能，呈现出识别速度快、准确度高、系统占用小等特色。此外，我们对整个系统进行了完备的功能和性能测试。结果表明，改进后的深度学习模型在性能和准确率上均表现优异。其中，笔画编码法和分级聚类法在牺牲少许精度的前提下，加速的脱机单字识别速度理论上达4-100X，标签映射法提升的准确率超过经典网络最好水平0.5%-2.0%，达到业内领先水平。
