딥러닝을 위한 CNN 기술은 의학, 농업, 항공 및 자동차 산업 전반에 걸쳐 연구, 개발되고 있다. 또한 콘크리트 균열이나 강철 용접 결함과 같은 건설 분야에도 적용할 수 있다. 본 연구에서는 건설분야에 적용하기에 앞서, 이전 연구를 발전시키고 CNN 기법을 사용하여 손으로 쓴 이미지의 분류를 분석하였다. 딥러닝은 일반적으로 학습층의 깊이가 깊을수록 정확도가 높아지지만 분석 시간이 오래 걸리는 단점이 있다. 또한 훈련 옵션에 따라 많은 변화가 발생할 수 있다. 따라서, 많은 파라미터 연구를 수행했고 학습 계층이 더욱더 깊어질 때 분석을 수행하였다.

CNN techniques for deep learning are being studied and developed throughout the medical, agricultural, aviation, and automotive industries. It can be also applied to construction fields such as concrete cracks and steel welding defects. In this study, we upgraded the previous study and analyzed the classification of handwritten images using CNN technique before applying them to construction field. Deep learning is generally more accurate with deeper and deeper layers, but analysis cost is high. In addition, many variations can occur depending on training options. Therefore, we performed many parametric studies and analyzed when the learning layer is deeper.

Abstract
 1. 서 론
 2. CNN 개요
 3. 손글씨 인식을 위한 CNN
 4. 해석 예 및 결과 분석
 5. 요약 및 결론
 REFERENCES
 국문초록

• 손병직(건양대학교 해외건설플랜트학과) | Son Byung-Jik (Department of International Civil and Plant Engineering, Konyang University)
• 이규환(건양대학교 재난안전소방학과) | Lee Kyu-Hwan (Department of Disaster Safety & Firefighting, Konyang University) Corresponding Author