論文の概要: Histogram-based Auto Segmentation: A Novel Approach to Segmenting Integrated Circuit Structures from SEM Images

• arxiv url: http://arxiv.org/abs/2004.13874v1
• Date: Tue, 28 Apr 2020 22:24:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 23:43:33.587441
• Title: Histogram-based Auto Segmentation: A Novel Approach to Segmenting Integrated Circuit Structures from SEM Images
• Title（参考訳）: ヒストグラムに基づくオートセグメンテーション:SEM画像から集積回路構造を分割するための新しいアプローチ
• Authors: Ronald Wilson, Navid Asadizanjani, Domenic Forte and Damon L. Woodard
• Abstract要約: 本稿では,SEM画像から集積回路(IC)構造を分割するアルゴリズムを提案する。 本論文で論じている既存のアルゴリズムとは異なり、このアルゴリズムは教師なし、パラメータフリーであり、ノイズモデルや対象画像の特徴に関する事前情報を必要としない。
• 参考スコア（独自算出の注目度）: 2.747081987156851
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the Reverse Engineering and Hardware Assurance domain, a majority of the data acquisition is done through electron microscopy techniques such as Scanning Electron Microscopy (SEM). However, unlike its counterparts in optical imaging, only a limited number of techniques are available to enhance and extract information from the raw SEM images. In this paper, we introduce an algorithm to segment out Integrated Circuit (IC) structures from the SEM image. Unlike existing algorithms discussed in this paper, this algorithm is unsupervised, parameter-free and does not require prior information on the noise model or features in the target image making it effective in low quality image acquisition scenarios as well. Furthermore, the results from the application of the algorithm on various structures and layers in the IC are reported and discussed.
• Abstract（参考訳）: 逆工学とハードウェア保証領域では、データ取得の大部分は走査電子顕微鏡(SEM)のような電子顕微鏡技術によって行われる。 しかし、光学イメージングにおけるそれと異なり、生のsem画像から情報を強調・抽出するための限られた技術しか利用できない。 本稿では,SEM画像から集積回路(IC)構造を分割するアルゴリズムを提案する。 本論文で論じている既存のアルゴリズムとは異なり、このアルゴリズムは教師なし、パラメータフリーであり、目標画像のノイズモデルや特徴に関する事前情報を必要としないため、低品質の画像取得にも有効である。 さらに, icの各種構造および層に対するアルゴリズムの適用結果について報告し, 考察した。

関連論文リスト

• End-to-End Model-based Deep Learning for Dual-Energy Computed Tomography Material Decomposition [53.14236375171593]
  本稿では,定量化のためのエンド・ツー・エンド材料分解(E2E-DEcomp)と呼ばれる深層学習手法を提案する。 AAPMスペクトルCTデータセットにおける直接E2E-DEcomp法の有効性を示す。
  論文  参考訳（メタデータ） (2024-06-01T16:20:59Z)
• Light-weight Retinal Layer Segmentation with Global Reasoning [14.558920359236572]
  OCT画像に適用可能な網膜層セグメンテーションのためのLightReSegを提案する。 提案手法は,現在の最先端技術であるTransUnetと比較して,セグメンテーション性能が向上する。
  論文  参考訳（メタデータ） (2024-04-25T05:42:41Z)
• Denoising OCT Images Using Steered Mixture of Experts with Multi-Model Inference [0.4452997112759916]
  マルチモデル推論とオートエンコーダ(BM-SMoE-AE)を用いたブロックマッチングステアリング 本研究では,マルチモデル推論とオートエンコーダ(BM-SMoE-AE)を用いた新しいデノナイズアルゴリズム,Block-Matching Steered-Mixture of Expertsを紹介する。
  論文  参考訳（メタデータ） (2024-02-20T06:00:42Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• 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)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• A Bayesian Based Deep Unrolling Algorithm for Single-Photon Lidar Systems [4.386694688246789]
  現実の応用における3次元単光子ライダーイメージングは、高騒音環境におけるイメージングを含む複数の課題に直面している。 統計や学習に基づくフレームワークに基づいて,これらの問題に対処するアルゴリズムが提案されている。 本稿では,統計的ベイズアルゴリズムを単一光子ライダーデータから頑健な画像再構成のための新しいディープラーニングアーキテクチャに展開する。
  論文  参考訳（メタデータ） (2022-01-26T12:58:05Z)
• Improving the Segmentation of Scanning Probe Microscope Images using Convolutional Neural Networks [0.9236074230806579]
  有機溶媒からの沈着によりシリコン表面に生成した金ナノ粒子の2次元集合体像の分画プロトコルを開発した。 溶媒の蒸発は粒子の極端に平衡な自己組織化を駆動し、様々なナノパターンや微細構造パターンを生み出す。 U-Net畳み込みニューラルネットワークを用いたセグメンテーション戦略が従来の自動アプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-27T20:49:59Z)
• Efficient OCT Image Segmentation Using Neural Architecture Search [18.056525121226862]
  光コヒーレンス・トモグラフィー(OCT)スキャンにおける網膜層セグメンテーションのためのニューラルアーキテクチャ・サーチ(NAS)を提案する。 我々は、NASフレームワークにUnetアーキテクチャを組み込んで、収集および前処理したOCT画像データセット内の網膜層のセグメンテーションのバックボーンとする。
  論文  参考訳（メタデータ） (2020-07-28T02:48:07Z)
• Unsupervised Instance Segmentation in Microscopy Images via Panoptic Domain Adaptation and Task Re-weighting [86.33696045574692]
  病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。 まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。 第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
  論文  参考訳（メタデータ） (2020-05-05T11:08:26Z)
• DeepEMD: Differentiable Earth Mover's Distance for Few-Shot Learning [122.51237307910878]
  我々は,画像領域間の最適なマッチングの新しい視点から,少数ショット画像分類法を開発した。 我々は、高密度画像表現間の構造距離を計算するために、Earth Mover's Distance (EMD) を用いている。 定式化において重要な要素の重みを生成するために,我々は相互参照機構を設計する。
  論文  参考訳（メタデータ） (2020-03-15T08:13:16Z)

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。