論文の概要: Deep Learning based Defect classification and detection in SEM images: A
Mask R-CNN approach
- arxiv url: http://arxiv.org/abs/2211.02185v1
- Date: Thu, 3 Nov 2022 23:26:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 15:59:48.391356
- Title: Deep Learning based Defect classification and detection in SEM images: A
Mask R-CNN approach
- Title(参考訳): SEM画像における深層学習に基づく欠陥分類と検出:マスクR-CNNアプローチ
- Authors: Bappaditya Dey, Enrique Dehaerne, Kasem Khalil, Sandip Halder,
Philippe Leray, and Magdy A. Bayoumi
- Abstract要約: 我々は,コンピュータビジョンのためのディープラーニングアルゴリズムであるMask-RCNN(Regional Convolutional Neural Network)の応用を実証した。
我々は,ブリッジ,ブレーク,ライン崩壊など,クラス間のさまざまな欠陥パターンを検出し,セグメンテーションすることを目的としている。
- 参考スコア(独自算出の注目度): 2.7180863515048674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this research work, we have demonstrated the application of Mask-RCNN
(Regional Convolutional Neural Network), a deep-learning algorithm for computer
vision and specifically object detection, to semiconductor defect inspection
domain. Stochastic defect detection and classification during semiconductor
manufacturing has grown to be a challenging task as we continuously shrink
circuit pattern dimensions (e.g., for pitches less than 32 nm). Defect
inspection and analysis by state-of-the-art optical and e-beam inspection tools
is generally driven by some rule-based techniques, which in turn often causes
to misclassification and thereby necessitating human expert intervention. In
this work, we have revisited and extended our previous deep learning-based
defect classification and detection method towards improved defect instance
segmentation in SEM images with precise extent of defect as well as generating
a mask for each defect category/instance. This also enables to extract and
calibrate each segmented mask and quantify the pixels that make up each mask,
which in turn enables us to count each categorical defect instances as well as
to calculate the surface area in terms of pixels. We are aiming at detecting
and segmenting different types of inter-class stochastic defect patterns such
as bridge, break, and line collapse as well as to differentiate accurately
between intra-class multi-categorical defect bridge scenarios (as
thin/single/multi-line/horizontal/non-horizontal) for aggressive pitches as
well as thin resists (High NA applications). Our proposed approach demonstrates
its effectiveness both quantitatively and qualitatively.
- Abstract(参考訳): 本研究では,コンピュータビジョン,特に物体検出のためのディープラーニングアルゴリズムである mask-rcnn (regional convolutional neural network) の半導体欠陥検査領域への応用を実証した。
半導体製造における確率的欠陥検出と分類は、回路パターン次元を連続的に縮小する(例えば、32nm未満のピッチの場合)ため、難しい課題になってきた。
最先端の光学および電子ビーム検査ツールによる欠陥検査と分析は、一般的にいくつかの規則に基づく技術によって推進される。
本研究では,sem画像における欠陥インスタンス分割の精度向上と欠陥カテゴリ毎のマスク生成のために,これまでのディープラーニングに基づく欠陥分類と検出法を再検討し,拡張した。
これにより、各セグメンテーションされたマスクを抽出・校正し、各マスクを構成するピクセルを定量化し、各カテゴリの欠陥インスタンスをカウントしたり、ピクセルの観点から表面積を計算することが可能になります。
本研究の目的は, 橋梁, 断線, 線崩壊などのクラス間確率的欠陥パターンの検出とセグメント化, および, 強ピッチおよび薄型レジスト(高NAアプリケーション)に対して, クラス内マルチカテゴリ的欠陥ブリッジシナリオ(薄/薄/マルチライン/水平/水平/水平)を正確に区別することである。
提案手法は定量的にも定性的にも有効性を示す。
関連論文リスト
- Improving Vision Anomaly Detection with the Guidance of Language
Modality [64.53005837237754]
本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。
本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。
視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
論文 参考訳(メタデータ) (2023-10-04T13:44:56Z) - MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential
Deepfake Detection [81.59191603867586]
シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。
偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。
顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
論文 参考訳(メタデータ) (2023-07-06T02:32:08Z) - Self-Supervised Masked Convolutional Transformer Block for Anomaly
Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。
本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文 参考訳(メタデータ) (2022-09-25T04:56:10Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Deep Learning-Based Defect Classification and Detection in SEM Images [1.9206693386750882]
特に、異なるResNet、VGGNetアーキテクチャをバックボーンとして使用するRetinaNetモデルをトレーニングする。
そこで本研究では,異なるモデルからの出力予測を組み合わせることで,欠陥の分類と検出に優れた性能を実現するための選好に基づくアンサンブル戦略を提案する。
論文 参考訳(メタデータ) (2022-06-20T16:34:11Z) - One-Stage Deep Edge Detection Based on Dense-Scale Feature Fusion and
Pixel-Level Imbalance Learning [5.370848116287344]
後処理なしで高品質なエッジ画像を生成することができる一段階ニューラルネットワークモデルを提案する。
提案モデルでは、トレーニング済みのニューラルモデルをエンコーダとして使用する古典的なエンコーダデコーダフレームワークを採用している。
本稿では,エッジ画像の画素レベルの不均衡に対処する新たな損失関数を提案する。
論文 参考訳(メタデータ) (2022-03-17T15:26:00Z) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳(メタデータ) (2021-11-17T13:30:31Z) - Distance-Based Anomaly Detection for Industrial Surfaces Using Triplet
Networks [2.7173993697663086]
表面異常検出はスクラップ生産を減らすために多くの製造業において重要な品質管理の役割を担っている。
ディープラーニング畳み込みニューラルネットワーク(CNN)は、これらの画像処理ベースのソリューションの最前線にある。
本稿では,この課題に対して,距離に基づく異常検出を目標とした表面テクスチャパッチ上でCNNをトレーニングすることで対処する。
論文 参考訳(メタデータ) (2020-11-09T00:35:21Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z) - Efficient detection of adversarial images [2.6249027950824506]
画像の画素値は外部攻撃者によって修正されるため、人間の目にはほとんど見えない。
本稿では,修正画像の検出を容易にする新しい前処理手法を提案する。
このアルゴリズムの適応バージョンでは、ランダムな数の摂動が適応的に選択される。
論文 参考訳(メタデータ) (2020-07-09T05:35:49Z)
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。