-
公开(公告)号:CN115795366A
公开(公告)日:2023-03-14
申请号:CN202211662683.8
申请日:2022-12-23
Applicant: 桂林电子科技大学
IPC: G06F18/241 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种基于多支路注意力机制的晶圆图故障模式识别方法,包括:以ResneXt基础残差块搭建ResneXt‑50用作特征提取主干网络;在ResneXt残差块后面融入多支路注意力机制,给晶圆图显著缺陷簇分配更大的权重以提升特征识别能力;将所述晶圆图数据集划分为训练集和测试集,对所述主干网络进行学习训练;在主干网络全连接层提取到的晶圆图缺陷特征信息输入到ECOC‑SVM进行最终分类。本发明通过多支路注意力机制给不同的晶圆图缺陷簇区域分配了不同的权重,提升了网络模型的特征提取能力,获得了更加全面的晶圆图缺陷簇特征信息,解决了不同类型晶圆图缺陷簇特征提取能力差异大、细节信息特征提取不全面的问题,提高了分类的准确率。