检索结果-南通市图书馆

激光与光电子学进展 2023年第24期60卷 243-251页

作者：吴清岳刘佳敏张松江浩刘世元华中科技大学智能制造装备与技术全国重点实验室湖北武汉430074 湖北光谷实验室湖北武汉430074

光刻热点检测是实现集成电路可制造性设计,保障集成电路芯片最终良率的关键。鉴于传统基于深度学习的光刻热点检测方法难以满足先进集成电路制造对检测精度的要求,提出了一种基于改进Yolov5s的检测算法,用于光刻版图热点缺陷的精确检测... 详细信息

光刻热点检测是实现集成电路可制造性设计,保障集成电路芯片最终良率的关键。鉴于传统基于深度学习的光刻热点检测方法难以满足先进集成电路制造对检测精度的要求,提出了一种基于改进Yolov5s的检测算法,用于光刻版图热点缺陷的精确检测。通过将坐标注意力机制引入骨干网络,提高了Yolov5s模型对版图图形区域的关注度,进而极大地改善了基于Yolov5s的检测算法的光刻热点检测性能。与此同时,采用Sigmoid线性单元激活函数进一步完善整个神经网络的非线性表达,利用Scylla交并比损失函数更快速地定量评估边界框回归损失,提高了热点检测算法的收敛速度和精度。将ICCAD(The International Conference on Computer-Aided Design)2012竞赛基准、经光学邻近校正优化后的光刻图形作为数据集对所提算法开展性能测试实验,验证了热点检测算法的优异检测精度。实验结果表明,该算法的平均准确率、平均召回率、平均F1-score和均值平均精度分别达到97.7%、98.0%、97.8%和98.4%,显著优于其他光刻热点检测算法,展示了良好的应用前景。

关键词：光刻热点检测改进Yolov5s 检测精度坐标注意力机制 Sigmoid线性单元激活函数 Scylla交并比损失函数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的光刻热点检测方法研究

基于深度学习的光刻热点检测方法研究

引用

作者：吴清岳华中科技大学

学位级别：硕士

随着半导体技术的不断发展,光刻成像系统由于光的衍射效应会产生光学邻近效应现象,使光刻成像产生畸变,进而导致光刻热点的产生。尽管业界采用光学邻近校正技术来减缓这种效应,但版图中依然存在少量难以解决的光刻热点。因此在光学邻近... 详细信息

随着半导体技术的不断发展,光刻成像系统由于光的衍射效应会产生光学邻近效应现象,使光刻成像产生畸变,进而导致光刻热点的产生。尽管业界采用光学邻近校正技术来减缓这种效应,但版图中依然存在少量难以解决的光刻热点。因此在光学邻近校正之后、实际制造之前,必须进行光刻热点检测。传统基于几何的热点检测方法耗时长、效率低,难以满足大规模集成电路对检测时间的要求;而基于模式匹配、机器学习和深度学习的快速光刻热点检测方法往往又难以满足先进集成电路制造对检测精度的要求。因此,本文对经光学邻近校正后的版图光刻热点检测方法开展研究,以实现快速、准确检测光刻热点的目的。主要的工作内容以及创新点如下:提出了一种基于网格索引的光刻热点快速检测方法,改善了传统几何算法对软夹断和软桥接类型的光刻热点检测效率低的问题。详细介绍了该方法的设计思路以及检测流程,并通过对比实验验证了该方法的有效性和效率。为突破几何算法在检测速度方面的局限性,提出了一种基于深度学习的光刻热点检测方法。将光刻热点检测转化为计算机视觉领域中的目标检测问题,引入YOLOv5网络作为热点检测的基本框架,并提出三种改进方法以构建光刻热点检测网络模型。在YOLOv5骨干网络中引入坐标注意力机制以提高网络模型对版图图形区域的关注度,改善光刻热点检测性能;采用Sigmoid线性单元作为网络的激活函数增强网络模型的非线性表达能力;利用Scylla交并比损失函数定量评估边界框回归损失,进一步提高热点检测算法的收敛速度和精度。对提出的基于改进YOLOv5的光刻热点检测方法进行了实验验证。实验结果表明,该算法的平均准确率、平均召回率、平均F1-score和均值平均精度分别达到97.7%、98.0%、97.8%和98.4%,能有效地提高光刻热点检测的性能,具有良好的应用前景。

关键词：光学邻近校正光刻热点检测网格索引深度学习 YOLOv5

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进Ghost的半监督光刻热点检测方法

引用

重庆工商大学学报(自然科学版) 2024年

作者：肖鑫忠马瑞君徐辉黄文馨袁野安徽理工大学计算机科学与工程学院

【目的】鉴于传统的半监督光刻热点检测方法逐渐无法满足集成电路制造对检测精度的要求，且难以解决数据集不平衡引起的精度损失问题，提出一种新的半监督光刻热点检测模型GSSL。【方法】在该模型中，将卷积注意力模块(Convolutional ... 详细信息

【目的】鉴于传统的半监督光刻热点检测方法逐渐无法满足集成电路制造对检测精度的要求，且难以解决数据集不平衡引起的精度损失问题，提出一种新的半监督光刻热点检测模型GSSL。【方法】在该模型中，将卷积注意力模块(Convolutional Block Attention Module， CBAM)引入到Ghost模块的线性变化中，设计了Ghost＿CBAM模块；将该模块与压缩激励网络(Squeeze-and-Excitation， SE)结合设计了GhostNeck模块，实现特征图先降维再升维，建立各个通道之间的关联性；再通过GhostNeck构建整个光刻热点检测模型GSSL，实现逐步引入无标记数据进入训练的半监督学习方式；通过集成数据增强方法对数据集中的热点版图进行数据增强，缓解数据不平衡问题；并应用加权交叉熵损失函数，进一步提升模型对于热点类别的关注度。【结果】在ICCAD(The International Conference on Computer-Aided Design) 2012竞赛基准数据集上进行评估，在标记数据占比为10%～50%的情况下预测热点的平均准确率为91.73%，平均误报为680。【结论】实验结果表明：与其他传统方法相比，GSSL可以有效应对数据集不平衡的问题，提升光刻热点检测精度的同时，显著降低了误报率，在光刻热点检测上具有一定的应用价值。

关键词：光刻热点检测集成电路半监督学习改进Ghost模块

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：