公开(公告)号：CN110785709A

公开(公告)日：2020-02-11

申请号：CN201880040444.4

申请日：2018-06-29

Applicant: 科磊股份有限公司

Inventor： S·夏尔马 ,  A·S·达恩狄安娜 ,  M·马哈德凡 ,  房超 ,  A·阿索德甘 ,  B·达菲

IPC: G03F7/20 ,  H01L21/66

Abstract: 本发明提供了用于从样本的低分辨率图像产生所述样本的高分辨率图像的方法和系统。一个系统包含经配置以用于获取样本的低分辨率图像的一或多个计算机子系统。所述系统还包含通过所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含深度卷积神经网络，所述深度卷积神经网络包含经配置以用于产生所述低分辨率图像的表示的一或多个第一层。所述深度卷积神经网络还包含经配置以用于从所述低分辨率图像的所述表示产生所述样本的高分辨率图像的一或多个第二层。所述第二层包含经配置以输出所述高分辨率图像并且经配置为子像素卷积层的最终层。

公开(公告)号：CN108352339B

公开(公告)日：2022-11-08

申请号：CN201680066102.0

申请日：2016-09-16

Applicant: 科磊股份有限公司

Inventor： 贺力 ,  M·普利哈尔 ,  应华俊 ,  A·巴蒂亚 ,  A·S·达恩狄安娜 ,  R·拉米尼

IPC: H01L21/66

Abstract: 本发明提供用于使用自适应自动缺陷分类器来分类在样品上检测到的缺陷的方法及系统。一个方法包含基于从用户接收的用于第一批结果中的不同群组的缺陷的分类及包含在所述第一批结果中的全部所述缺陷的一组训练缺陷来产生缺陷分类器。所述第一批结果及额外批结果经组合以产生累计批结果。使用所述所产生缺陷分类器来分类所述累计批结果中的缺陷。如果所述缺陷中的任何者经分类而具有低于阈值的置信度，那么基于包含所述低置信度经分类缺陷的经修改训练组及用于从用户接收的这些缺陷的分类来修改所述缺陷分类器。接着所述经修改缺陷分类器用于分类额外累计批结果中的缺陷。

公开(公告)号：CN110785709B

公开(公告)日：2022-07-15

申请号：CN201880040444.4

申请日：2018-06-29

Applicant: 科磊股份有限公司

Inventor： S·夏尔马 ,  A·S·达恩狄安娜 ,  M·马哈德凡 ,  房超 ,  A·阿索德甘 ,  B·达菲

IPC: G03F7/20 ,  H01L21/66

Abstract: 本发明提供了用于从样本的低分辨率图像产生所述样本的高分辨率图像的方法和系统。一个系统包含经配置以用于获取样本的低分辨率图像的一或多个计算机子系统。所述系统还包含通过所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含深度卷积神经网络，所述深度卷积神经网络包含经配置以用于产生所述低分辨率图像的表示的一或多个第一层。所述深度卷积神经网络还包含经配置以用于从所述低分辨率图像的所述表示产生所述样本的高分辨率图像的一或多个第二层。所述第二层包含经配置以输出所述高分辨率图像并且经配置为子像素卷积层的最终层。

公开(公告)号：CN108352339A

公开(公告)日：2018-07-31

申请号：CN201680066102.0

申请日：2016-09-16

Applicant: 科磊股份有限公司

Inventor： 贺力 ,  M·普利哈尔 ,  应华俊 ,  A·巴蒂亚 ,  A·S·达恩狄安娜 ,  R·拉米尼

IPC: H01L21/66

CPC classification number: G01N21/9501 ,  G01N2201/06113 ,  G01N2201/12 ,  G06N99/005

Abstract: 本发明提供用于使用自适应自动缺陷分类器来分类在样品上检测到的缺陷的方法及系统。一个方法包含基于从用户接收的用于第一批结果中的不同群组的缺陷的分类及包含在所述第一批结果中的全部所述缺陷的一组训练缺陷来产生缺陷分类器。所述第一批结果及额外批结果经组合以产生累计批结果。使用所述所产生缺陷分类器来分类所述累计批结果中的缺陷。如果所述缺陷中的任何者经分类而具有低于阈值的置信度，那么基于包含所述低置信度经分类缺陷的经修改训练组及用于从用户接收的这些缺陷的分类来修改所述缺陷分类器。接着所述经修改缺陷分类器用于分类额外累计批结果中的缺陷。