公开(公告)号：CN109543720B

公开(公告)日：2023-10-27

申请号：CN201811276338.4

申请日：2018-10-30

Applicant: 东华大学

Inventor： 张洁 ,  杨振良 ,  汪俊亮 ,  蒋小康 ,  张启华

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明针对各类晶圆缺陷数据的不平衡特点和数据维度与角度的多样性，提出了基于对抗生成网络的晶圆图缺陷模式识别方法。本方法首先将晶圆数据集分为训练集和测试集，再对训练集与测试集均进行预处理得到标准晶圆缺陷数据样本，在此基础上设计面向晶圆数据缺陷模式识别的分类对抗生成网络模型，通过设计生成器与鉴别器的损失函数，使生成器与鉴别器针对训练集内的真实晶圆与网络内生成器生成的仿真晶圆之间的差异进行对抗，提高生成器的生成能力，并利用此生成机制平衡各缺陷类型的样本数量，同时使鉴别器学习已知缺陷模式的晶圆数据特征规律。本发明能够实现对晶圆缺陷模的快速识别，并且具有很高的识别精度。

公开(公告)号：CN109543720A

公开(公告)日：2019-03-29

申请号：CN201811276338.4

申请日：2018-10-30

Applicant: 东华大学

Inventor： 张洁 ,  杨振良 ,  汪俊亮 ,  蒋小康 ,  张启华

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明针对各类晶圆缺陷数据的不平衡特点和数据维度与角度的多样性，提出了基于对抗生成网络的晶圆图缺陷模式识别方法。本方法首先将晶圆数据集分为训练集和测试集，再对训练集与测试集均进行预处理得到标准晶圆缺陷数据样本，在此基础上设计面向晶圆数据缺陷模式识别的分类对抗生成网络模型，通过设计生成器与鉴别器的损失函数，使生成器与鉴别器针对训练集内的真实晶圆与网络内生成器生成的仿真晶圆之间的差异进行对抗，提高生成器的生成能力，并利用此生成机制平衡各缺陷类型的样本数量，同时使鉴别器学习已知缺陷模式的晶圆数据特征规律。本发明能够实现对晶圆缺陷模的快速识别，并且具有很高的识别精度。