본 연구는 기존 편평발 측정을 위해 사용되던 다양한 방법의 한계를 보완할 수 있는 새로운 측정 방법으로 전이학습을 적용한 딥러닝 기반 편평발 분류 방법론을 제안한다. 편평발 88장, 정상발 88장으로 이루어진 총 176장의 이미지 데이터를 활용하여, 적은 데이터로도 우수한 예측 모델을 생성할 수 있는 데이터 증폭 기술과 사전학습 모델의 구조를 활용하는 전이학습 기술을 적용하여 제안 모델의 학습을 진행하였다. 제안 모델 선정은 VGGNet, ResNet, Xception, Inception, MobileNet, DenseNet 등 총 16개의 사전학습 모델을 활용하여 각각 전이학습을 실시한 후 각 계열별 모델의 시험 정확도를 기준으로 성능 비교를 진행하여 VGG16, ResNet50V2, InceptionResNetV2, MobileNet2, DenseNet121 기반 전이학습 모델을 최종 제안 모델로 선정하였다. 제안 모델의 우수성을 확인하기 위하여 기본 CNN 기반 모델과 제안 방법론의 시험 정확도를 비교하는 실험을 수행하였다. 기본 CNN 모델의 경우 시험 정확도는 59.09%로 나타났으며, VGG16 기반 제안 모델의 경우 시험 정확도는 84.09%로 나타났고 ResNet50V2 기반 제안 모델의 시험 정확도는 81.82%, InceptionResNetV2 기반 제안 모델의 시험 정확도는 86.36%, MobileNet2 기반 제안 모델의 시험 정확도는 86.36%로 나타났다. 마지막으로 DenseNet121 기반 제안 모델의 시험 정확도는 84.09%로 나타나 기본 CNN 모델에 비해 제안 모델들의 정확도가 큰 폭으로 향상된 것을 확인하였다.