利用 YOLOv8 和 PCA 引导增强提升版图热点检测效率
计算机视觉与模式识别
2024-07-22 v1 图像与视频处理
摘要
本文提出一个基于 YOLO 的版图热点检测框架，旨在提高设计规则检查（DRC）过程的效率和性能。我们的方法利用 YOLOv8 视觉模型检测每个版图图像中的多个热点，即使处理大尺寸版图图像时也是如此。此外，为了增强模式匹配的有效性，我们引入了一种新颖的方法，利用通过主成分分析（PCA）提取的信息来增强版图图像。我们提出的方法的核心是一种算法，该算法利用 PCA 从版图图像中提取有价值的辅助信息。然后将这些提取的信息作为额外的颜色通道合并到版图图像中。这种增强显著提高了多热点检测的准确性，同时降低了目标检测算法的误报率。我们使用从 ICCAD-2019 基准数据集中发现的版图生成的四个数据集评估了框架的有效性。结果表明，我们的框架实现了约 83% 的精确率（召回率约为 86%），同时保持低于 7.4% 的误报率。此外，研究表明，所提出的增强方法可以将未见过的（NSB）热点的检测能力提高约 10%。
引用
@article{arxiv.2407.14498,
title = {Enhancing Layout Hotspot Detection Efficiency with YOLOv8 and PCA-Guided Augmentation},
author = {Dongyang Wu and Siyang Wang and Mehdi Kamal and Massoud Pedram},
journal= {arXiv preprint arXiv:2407.14498},
year = {2024}
}