基于强化学习的半导体缺陷定位中特征提取器的基准评测
计算机视觉与模式识别
2023-11-21 v1
摘要
随着半导体图形化尺寸缩小，亟需更先进的基于扫描电子显微镜(SEM)图像的缺陷检测技术。近来，许多基于机器学习(ML)的缺陷定位方法被提出并展现出令人印象深刻的成果。这些方法通常依赖于从整张SEM图像及若干感兴趣区域提取特征。在本研究中，我们提出一种基于深度强化学习(RL)的缺陷定位方法，其从输入图像中逐步缩小的区域迭代提取特征。我们比较了使用不同特征提取器训练的18个智能体的结果。我们讨论了不同特征提取器的优缺点，以及该RL框架之于半导体缺陷定位的总体适用性。
引用
@article{arxiv.2311.11145,
title = {Benchmarking Feature Extractors for Reinforcement Learning-Based Semiconductor Defect Localization},
author = {Enrique Dehaerne and Bappaditya Dey and Sandip Halder and Stefan De Gendt},
journal= {arXiv preprint arXiv:2311.11145},
year = {2023}
}
备注
5 pages, 5 figures, 3 tables