최근 시각처리 분야에서 제안된 심층신경망 구조의 모델들은 혁신적인 발전을 이루고 있다. 그러나, 심층신경망 구조의 모델들은 학습에 사용된 데이터세트와 유사한 데이터세트 분포에 대해서만 잘 인식할 수 있으며, 그 외의 분포에 대해서는 인식 수준이 저하되는 경향을 보인다. 예를들어, 사진 데이터세트인 ImageNet을 학습한 심층신경망 모델은 스케치 데이터세트인 ImageNet-Sketch를 사진 만큼 잘 분류하지 못한다. 그러나 인간은 사진만 학습해도 경험과 지식을 이용해 처음 마주하는 스케치 이미지에 대해서도 추론이 가능하며 인공지능의 목표는 이러한 인간의 지적 능력을 구현하는 것이다. 본 논문에서는 정형 객체에 대해서 학습하고 스스로 추론을 통해 비정형 객체를 인식하는 인공지능 개발을 위한 선행 연구로써 정형 객체와 비정형 객체의 기준을 정의하고 비정형 객체의 비정형적 수준을 정량적으로 측정한 비정형도를 제안한다. 제안된 비정형도 측정방법을 통해 비정형 데이터세트들의 비정형도를 측정하고, 이를 기반으로 인공지능 모델이 얼마나 비정형적인 객체까지 인식할 수 있는지 확인하는 방법을 제시한다. 추가적으로, 데이터 증강 등의 정규화 기술이 인공지능 모델의 비정형 객체 인식 수준에 주는 영향력을 확인하는 등 제안된 비정형도의 활용 방안에 대해 제시한다.