[發明專利]一種基于特征金字塔卷積神經網絡的半導體缺陷識別方法有效
| 申請號： | 202010362947.2 | 申請日： | 2020-04-30 |
| 公開（公告）號： | CN111652846B | 公開（公告）日： | 2022-08-16 |
| 發明（設計）人： | 不公告發明人 | 申請（專利權）人： | 成都數之聯科技股份有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 成都行之專利代理事務所(普通合伙) 51220 | 代理人： | 高俊 |
| 地址： | 610000 四川省*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 特征 金字塔 卷積 神經網絡 半導體 缺陷 識別 方法 | ||
1.一種基于特征金字塔卷積神經網絡的半導體缺陷識別方法，其特征在于，包括以下方法:
S1、采集半導體缺陷圖片作為樣本圖片；
S2、標注樣本圖片的缺陷類型得到訓練樣本集；
S3、將訓練樣本集劃分為訓練集和測試集；
S4、基于卷積神經網絡與特征金字塔相融合的算法構建缺陷分類模型；
S5、利用所述訓練集和測試集訓練和測試缺陷分類模型；
S6、利用訓練后的缺陷分類模型分類待分類半導體缺陷圖片；
所述基于卷積神經網絡與特征金字塔相融合的算法構建缺陷分類模型具體包括以下步驟：
L1、提取卷積神經網絡中的特征圖，所提取的各個特征圖具有不同的分辨率；
L2、分別提取步驟L1生成的具有相同分辨率的卷積層組的最后一個卷積層特征圖并進行通道壓縮，使其通道數變為1；
L3、將通道壓縮后的各個特征圖進行一維展開得到各個特征圖的一維特征向量，并將其與卷積神經網絡所輸出的最后一維全連接層特征向量進行堆疊；
L4、將步驟L3堆疊得到的一維特征向量進行全連接層計算，然后輸入至softmax分類器進行分類。
2.根據權利要求1所述的一種基于特征金字塔卷積神經網絡的半導體缺陷識別方法，其特征在于：在步驟L2中，在排除前2個分辨率最大的特征圖組后，將步驟L1提取的各個卷積層的特征圖進行通道壓縮。
3.根據權利要求1至2中任意一項所述的一種基于特征金字塔卷積神經網絡的半導體缺陷識別方法，其特征在于：所述卷積神經網絡為VGG-16分類網絡。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于成都數之聯科技股份有限公司，未經成都數之聯科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010362947.2/1.html，轉載請聲明來源鉆瓜專利網。
