論文の概要: Rethinking Fully Convolutional Networks for the Analysis of Photoluminescence Wafer Images

• arxiv url: http://arxiv.org/abs/2003.00594v1
• Date: Sun, 1 Mar 2020 21:31:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 12:45:44.940443
• Title: Rethinking Fully Convolutional Networks for the Analysis of Photoluminescence Wafer Images
• Title（参考訳）: 光ルミネッセンスウェハ画像解析のための完全畳み込みネットワークの再検討
• Authors: Maike Lorena Stern, Hans Lindberg, Klaus Meyer-Wegener
• Abstract要約: 完全畳み込みネットワークを用いたチップファイン欠陥マップの作成について再考する。 密結合した畳み込みブロックを組み込むことにより,複数スケールで分割する問題を改善することができることを示す。
• 参考スコア（独自算出の注目度）: 2.3204178451683264
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The manufacturing of light-emitting diodes is a complex semiconductor-manufacturing process, interspersed with different measurements. Among the employed measurements, photoluminescence imaging has several advantages, namely being a non-destructive, fast and thus cost-effective measurement. On a photoluminescence measurement image of an LED wafer, every pixel corresponds to an LED chip's brightness after photo-excitation, revealing chip performance information. However, generating a chip-fine defect map of the LED wafer, based on photoluminescence images, proves challenging for multiple reasons: on the one hand, the measured brightness values vary from image to image, in addition to local spots of differing brightness. On the other hand, certain defect structures may assume multiple shapes, sizes and brightness gradients, where salient brightness values may correspond to defective LED chips, measurement artefacts or non-defective structures. In this work, we revisit the creation of chip-fine defect maps using fully convolutional networks and show that the problem of segmenting objects at multiple scales can be improved by the incorporation of densely connected convolutional blocks and atrous spatial pyramid pooling modules. We also share implementation details and our experiences with training networks with small datasets of measurement images. The proposed architecture significantly improves the segmentation accuracy of highly variable defect structures over our previous version.
• Abstract（参考訳）: 発光ダイオードの製造は複雑な半導体製造プロセスであり、異なる測定値が組み合わさっている。 光ルミネッセンスイメージングは、非破壊的、高速でコスト効率の良い測定といういくつかの利点がある。 ledウェハの発光測定画像において、各画素は光励起後のledチップの輝度に対応し、チップ性能情報を明らかにする。 しかし、フォトルミネッセンス画像に基づくLEDウエハのチップ微細欠陥マップの生成は、その一方、測定された輝度値が画像によって異なることに加えて、明るさが異なる局所的なスポットがあることなど、いくつかの理由から困難であることが証明されている。 一方、特定の欠陥構造は複数の形状、大きさ、明るさ勾配を仮定し、顕著な輝度値が欠陥LEDチップ、測定アーチファクト、または非欠陥構造に対応する可能性がある。 本研究では,完全畳み込みネットワークを用いたチップ微細欠陥マップの作成を再検討し,密結合した畳み込みブロックとアトーラス空間ピラミッドプーリングモジュールの導入により,複数のスケールでオブジェクトをセグメンテーションする問題を改善できることを示す。 また、測定画像の小さなデータセットを用いたトレーニングネットワークの実装の詳細と経験を共有します。 提案するアーキテクチャは,前バージョンに比べて高度に可変な欠陥構造のセグメンテーション精度を大幅に向上させる。

関連論文リスト

• Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
  本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。 照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。 提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
  論文  参考訳（メタデータ） (2024-11-06T03:30:46Z)
• Linearly Multiplexed Photon Number Resolving Single-photon Detectors Array [31.003493872880963]
  光子数分解検出器(英: Photon Number Resolving Detector、PNRD)は、入射光ビームに存在する光子数を測定する装置である。 本稿では, 線形多重光子数分解型単一光子検出器アレイの性能と設計について考察する。
  論文  参考訳（メタデータ） (2024-08-22T12:41:12Z)
• RMAFF-PSN: A Residual Multi-Scale Attention Feature Fusion Photometric Stereo Network [37.759675702107586]
  複雑な構造空間材料変化領域における2次元画像からの物体の正確な地図の予測は困難である。 画像の解像度の異なるステージとスケールから特徴情報を校正する手法を提案する。 このアプローチは、複雑な領域における物体のテクスチャや幾何学といった、より物理的な情報を保存する。
  論文  参考訳（メタデータ） (2024-04-11T14:05:37Z)
• A Non-Uniform Low-Light Image Enhancement Method with Multi-Scale Attention Transformer and Luminance Consistency Loss [11.585269110131659]
  低照度画像強調は、薄暗い環境で収集された画像の知覚を改善することを目的としている。 既存の方法では、識別された輝度情報を適応的に抽出することができず、露光過多や露光過多を容易に引き起こすことができる。 MSATrというマルチスケールアテンション変換器を提案し,光バランスの局所的・グローバル的特徴を十分に抽出し,視覚的品質を向上させる。
  論文  参考訳（メタデータ） (2023-12-27T10:07:11Z)
• Low-Light Image Enhancement with Illumination-Aware Gamma Correction and Complete Image Modelling Network [69.96295927854042]
  低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。 本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。 指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
  論文  参考訳（メタデータ） (2023-08-16T08:46:51Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• Characterization of multi-mode linear optical networks [0.0]
  不完全性の存在下での光回路のキャラクタリゼーションのための効率的な手順を定式化する。 本稿では,本手法の有効性を,可変集積フォトニック回路で定義された実験的なシナリオで示す。 本研究は, バルク構成と統合構成の両方に基づいて, 広い範囲の光学装置に応用できることを示す。
  論文  参考訳（メタデータ） (2023-04-13T13:09:14Z)
• Deep Learning Methods for Calibrated Photometric Stereo and Beyond [86.57469194387264]
  光度ステレオは、さまざまなシェーディングキューを持つ複数の画像から物体の表面の正常性を回復する。 深層学習法は、非ランベルト面に対する測光ステレオの文脈において強力な能力を示している。
  論文  参考訳（メタデータ） (2022-12-16T11:27:44Z)
• An Effective Image Restorer: Denoising and Luminance Adjustment for Low-photon-count Imaging [6.358214877782411]
  量子画像センサ(QIS)のイメージングシミュレーションによる低光子数条件下での原像復元 我々は,多層ピラミッド遮音ネットワーク (MPDNet) と輝度調整モジュール (LA) から構成される軽量なフレームワークを開発し,個別の遮音・照度向上を実現する。 画像復元装置は、雑音を抑え、輝度と色を効果的に回復することにより、様々な光子レベルの劣化画像に対して優れた性能が得られる。
  論文  参考訳（メタデータ） (2021-10-29T12:16:30Z)
• Removing Diffraction Image Artifacts in Under-Display Camera via Dynamic Skip Connection Network [80.67717076541956]
  アンダーディスプレイカメラ(UDC)システムは、スマートフォン上で真のベゼルレスおよびノッチフリーの視聴体験を提供します。 典型的なUDCシステムでは、ピクセルアレイはカメラ上の入射光を減衰および回折し、画像品質の大幅な低下をもたらす。 本研究では,前述の劣化問題の解析と対処を目的とする。
  論文  参考訳（メタデータ） (2021-04-19T18:41:45Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。