論文の概要: Benchmarking Feature Extractors for Reinforcement Learning-Based Semiconductor Defect Localization

• arxiv url: http://arxiv.org/abs/2311.11145v1
• Date: Sat, 18 Nov 2023 18:43:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 10:19:21.358681
• Title: Benchmarking Feature Extractors for Reinforcement Learning-Based Semiconductor Defect Localization
• Title（参考訳）: 強化学習に基づく半導体欠陥局所化のためのベンチマーク機能エクストラクタ
• Authors: Enrique Dehaerne, Bappaditya Dey, Sandip Halder, Stefan De Gendt
• Abstract要約: 欠陥局所化に対する深層強化学習(RL)に基づくアプローチを提案する。 RLは入力画像のより小さな領域から特徴を反復的に抽出する。 異なる特徴抽出器を用いて訓練した18のエージェントの結果を比較した。
• 参考スコア（独自算出の注目度）: 0.11999555634662631
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As semiconductor patterning dimensions shrink, more advanced Scanning Electron Microscopy (SEM) image-based defect inspection techniques are needed. Recently, many Machine Learning (ML)-based approaches have been proposed for defect localization and have shown impressive results. These methods often rely on feature extraction from a full SEM image and possibly a number of regions of interest. In this study, we propose a deep Reinforcement Learning (RL)-based approach to defect localization which iteratively extracts features from increasingly smaller regions of the input image. We compare the results of 18 agents trained with different feature extractors. We discuss the advantages and disadvantages of different feature extractors as well as the RL-based framework in general for semiconductor defect localization.
• Abstract（参考訳）: 半導体パターンの寸法が縮小するにつれて、より高度な走査電子顕微鏡(SEM)画像に基づく欠陥検査技術が必要である。 近年、欠陥ローカライゼーションのための機械学習(ML)ベースのアプローチが多数提案されており、目覚ましい結果を示している。 これらの手法は、しばしば完全なsem画像からの特徴抽出と、おそらく関心のある多くの領域に依存する。 本研究では,入力画像のより小さな領域から特徴を反復的に抽出する,深層強化学習(RL)に基づく欠陥局所化手法を提案する。 異なる特徴抽出器を用いて訓練した18のエージェントの結果を比較した。 半導体欠陥の局在化において、異なる特徴抽出器とRLベースのフレームワークの利点と欠点を論じる。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Automated Semiconductor Defect Inspection in Scanning Electron Microscope Images: a Systematic Review [4.493547775253646]
  機械学習アルゴリズムは、半導体サンプルの欠陥を正確に分類し、特定するために訓練することができる。 畳み込みニューラルネットワークはこの点において特に有用であることが証明されている。 本稿では,SEM画像における半導体欠陥の自動検査の現状について概観する。
  論文  参考訳（メタデータ） (2023-08-16T13:59:43Z)
• DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
  本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。 特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。 マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
  論文  参考訳（メタデータ） (2023-08-03T17:59:04Z)
• Learning from Multi-Perception Features for Real-Word Image Super-resolution [87.71135803794519]
  入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。 本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。 また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
  論文  参考訳（メタデータ） (2023-05-26T07:35:49Z)
• Cascaded Local Implicit Transformer for Arbitrary-Scale Super-Resolution [15.631101125268172]
  暗黙の神経表現は、任意の解像度で画像を表現できる有望な能力を示している。 本稿では、アテンション機構と周波数符号化技術を局所暗黙画像関数に統合したローカルインプリシット変換器(LIT)を提案する。
  論文  参考訳（メタデータ） (2023-03-29T07:41:56Z)
• Deep Learning based Defect classification and detection in SEM images: A Mask R-CNN approach [2.7180863515048674]
  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。
  論文  参考訳（メタデータ） (2022-11-03T23:26:40Z)
• Towards Effective Image Manipulation Detection with Proposal Contrastive Learning [61.5469708038966]
  本稿では,効果的な画像操作検出のためのコントラスト学習(PCL)を提案する。 我々のPCLは、RGBとノイズビューから2種類のグローバル特徴を抽出し、2ストリームアーキテクチャで構成されている。 我々のPCLは、実際にラベル付けされていないデータに容易に適用でき、手作業によるラベル付けコストを削減し、より一般化可能な機能を促進することができる。
  論文  参考訳（メタデータ） (2022-10-16T13:30:13Z)
• Self-Supervised Masking for Unsupervised Anomaly Detection and Localization [22.671913403500728]
  本研究では,ランダムマスキングと復元による自己教師あり学習手法を提案し,SSM(Self-Supervised Masking)と名づけた。 SSMは、塗布ネットワークのトレーニングを強化するだけでなく、推測時のマスク予測の効率を大幅に向上させる。 推論における異常検出と局所化の効率と有効性を改善するために,新しいプログレッシブマスク改良手法を提案する。
  論文  参考訳（メタデータ） (2022-05-13T11:42:06Z)
• PAEDID: Patch Autoencoder Based Deep Image Decomposition For Pixel-level Defective Region Segmentation [16.519583839906904]
  欠陥領域分割のための非教師パッチオートエンコーダに基づくディープ画像分解法(PAEDID)を提案する。 パッチオートエンコーダ(PAE)ネットワークにより,より深い画像として共通の背景を学習する。 提案手法を採用することにより、画像中の欠陥領域を教師なしで正確に抽出することができる。
  論文  参考訳（メタデータ） (2022-03-28T02:50:06Z)
• PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization [64.39761523935613]
  本稿では,画像中の異常を同時検出・ローカライズするPatch Distribution Modeling, PaDiMを提案する。 PaDiMは、パッチの埋め込みに事前訓練された畳み込みニューラルネットワーク(CNN)を使用している。 また、CNNの異なるセマンティックレベル間の相関を利用して、異常のローカライズも改善している。
  論文  参考訳（メタデータ） (2020-11-17T17:29:18Z)

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。