El reconocimiento offline de caracteres chinos escritos a mano implica la aplicación de técnicas de visión por computadora para reconocer caracteres chinos escritos a mano individualmente. Esta tecnología ha avanzado significativamente en la investigación del reconocimiento de escritura en línea. A pesar de su amplia aplicación en diversos campos, el reconocimiento offline enfrenta numerosos desafíos. Estos desafíos incluyen la diversidad de glifos resultante de los estilos y hábitos de diferentes escritores, la gran cantidad de etiquetas de caracteres chinos y la presencia de similitudes morfológicas entre los caracteres. Para abordar estos desafíos, se propuso un método de optimización basado en un modelo de pre-entrenamiento separado. El método tiene como objetivo mejorar la precisión y la robustez en el reconocimiento de imágenes de caracteres similares explorando correlaciones potenciales entre ellos. En los experimentos se emplearon los conjuntos de datos HWDB y Estilos de Caligrafía China por Calígrafos, utilizando precisión, recall y el valor Macro-F1 como métricas de evaluación. Empleamos un modelo de auto-codificador convolucional caracterizado por una alta precisión de reconocimiento y un rendimiento robusto. Los resultados experimentales demostraron que los modelos de pre-entrenamiento separados mejoraron el rendimiento del modelo de auto-codificador convolucional, especialmente en el manejo de caracteres propensos a errores, lo que resultó en un aumento aproximado del 6% en la precisión.