基于卷积神经网络的晶圆缺陷检测与分类算法
来源：计算机工程杂志2018年第8期北京时间：
作者：邡鑫,史峥
单位：浙江大学 超大规模集成电路设计研究所,杭州 310027
摘要：针对晶圆检验时扫描电镜图像的缺陷检测和缺陷分类问题,利用ZFNet卷积神经网络对晶圆缺陷进行分类,并在此基础上,设计基于块的卷积神经网络缺陷检测算法。为提高准确率和加快速度,通过改进Faster RCNN分类器,提出另一种检测算法。实验结果表明,2种检测算法都能通过学习已标记位置和类型的缺陷数据,从扫描电镜图像中准确检测并分类多种类型缺陷。
关键词：晶圆检验,缺陷检测,缺陷分类,卷积神经网络,patch-based CNN分类器,Faster RCNN分类器
基金资助：国家自然科学基金(61474098,61674129)。
