[發明專利]深度學習設備和包括深度學習設備的系統

在審

• 申請號: 202210460554.4
• 申請日: 2022-04-28
• 公開（公告）號: CN115456932A
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 金永宰;柳凱元;李智雄;李俊行;姜景薰;李盈學
• 申請（專利權）人: 三星電子株式會社
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 紀雯;李敬文

提供了一種深度學習設備和包括該設備的系統。深度學習設備包括：處理電路，被配置為使用異常檢測模型來確定接收到的圖像是否異常；合并從異常檢測模型中提取的至少一些向量；將通過主成分分析(PCA)生成的主成分輸入到概率近似模型，以檢測接收到的圖像的數據中是否出現分布外(OOD)；存儲確定的結果；并且當出現OOD的數據的比率大于或等于閾值時，使用目標標記提取模型來提取出現OOD的至少一些數據作為目標標記，其中，異常檢測模型使用目標標記來確定接收到的圖像是否異常。

相關申請的交叉引用

本申請要求于2021年5月21日向韓國知識產權局提交的韓國專利申請No.10-2021-0065586以及于2021年7月15日向韓國知識產權局提交的韓國專利申請No.10-2021-0092932的優先權，其全部公開內容通過引用合并于此。

技術領域

本公開涉及深度學習設備和包括深度學習設備的系統。

背景技術

最近，在半導體器件制造工藝中，信息技術(IT)系統、大數據和/或人工智能技術已經被用于提高半導體器件的質量和生產率，并且已經使用機器學習和/或深度學習來預測和/或分析半導體器件的質量以進行例如質量控制。例如，可以通過深度學習來學習半導體器件的圖像(例如，掃描電子顯微鏡(SEM)圖像)，并且可以使用經過訓練的模型來確定半導體器件是否有缺陷。

在這種情況下，深度學習的性能可能會由于學習圖像的分布外(OOD)圖像而降低。因此，越來越需要檢測OOD數據并有效地恢復由于OOD數據而降低的深度學習的性能。

發明內容

本公開的各個方面提供了一種用于有效地檢測分布外(OOD)數據以維持其性能的深度學習設備。

本公開的各方面還提供了一種包括用于有效地檢測OOD數據以維持其性能的深度學習設備的系統。

應注意，本發明的目的不限于上述目的，并且根據以下描述，本領域技術人員將清楚本發明的其他目的。

根據本發明構思的一個方面，提供了一種深度學習設備，包括處理電路，該處理電路被配置為：使用異常檢測模型來確定接收到的圖像是否異常；合并從異常檢測模型中提取的至少一些向量；對合并至少一些向量的結果執行主成分分析(PCA)；將通過PCA生成的主成分輸入到概率近似模型，以檢測接收到的圖像的數據中是否出現分布外(OOD)；將確定接收到的圖像是否異常的結果和確定是否出現OOD的結果存儲在數據庫中；并且當出現OOD的數據的比率大于或等于閾值時，使用目標標記提取模型來提取出現OOD的至少一些數據作為目標標記，其中，異常檢測模型使用目標標記來確定接收到的圖像是否異常。

根據本發明構思的一個方面，提供了一種深度學習系統，包括：輸入單元，被配置為接收圖像；處理器，被配置為控制輸入單元；以及深度學習設備，連接到處理器，并被配置為從輸入單元接收圖像，該深度學習設備包括處理電路和數據庫，該處理電路被配置為使用異常檢測模型來確定從輸入單元接收到的圖像是否異常，合并從異常檢測模型中提取的至少一些向量，對合并至少一些向量的結果執行主成分分析(PCA)，將通過PCA生成的主成分輸入到概率近似模型，以檢測圖像的數據中是否出現分布外(OOD)，存儲確定圖像是否異常的結果和確定是否出現OOD的結果，并且當出現OOD的數據的比率大于或等于閾值時，使用目標標記提取模型來提取出現OOD的至少一些數據作為目標標記，并且數據庫被配置為存儲確定圖像是否異常的結果和確定是否出現OOD的結果，并且其中，異常檢測模型使用目標標記來確定圖像是否異常。