본 연구는 딥러닝을 활용하여 건축물의 외관 이미지를 기준으로 객관적인 유형화를 할 수 있는 방법론을 개발하였다. 기존의 유형화는 분석자의 주관에 의존하고 분석 대상의 수에 한계가 있었다. 따라서 본 연구에서는 전국 279개의 공공청사를 중심으로 딥러닝을 활용한 객관적인 외관 유형화 방법론을 구축하였다. 이를 위하여 일차적으로, 국내 공공청사에 대한 전수조사를 하고 이미지 데이터셋을 구축하였다. 다음으로, 딥러닝 모델 중 CNN을 활용하여 청사 이미지 특징을 학습하는 모델을 수립하였다. CNN 모델에서 분류한 feature를 바탕으로 k-means clustering을 통해 최종적으로 12개의 클러스터로 유형화하였다. 유형화 결과 각 클러스터 간 유사도를 통해 클러스터별 외관 특징을 분석할 수 있었고, 높이, 입면 패턴, 재료, 입면 돌출 및 지붕 구조라는 분류체계를 수립할 수 있었다. 선행연구와의 비교 분석을 통해 본 연구의 방법론은 검증되었다. 이러한 외관 유형화에 영향을 미친 요인을 분석하기 위해 통계 및 기계학습 분석을 실시하였다. 이를 통해 층수, 준공년도, 연면적, 대지면적, 지역을 기준으로 각 유형의 특성을 도출하였다. 이러한 연구 결과는 공공청사 현황 분석의 기초 연구 및 다양한 건축물의 유형화 연구에 적용될 수 있을 것이다.