基于自增殖与注意力神经网络的自导体缺陷图案分类
计算机视觉与模式识别
2023-04-25 v1 图像与视频处理
摘要
半导体制造正处于一场革命的风口：物联网（IoT）。借助IoT，我们可以连接所有设备并将信息反馈给工厂，从而检测质量问题。在此情形下，越来越多的边缘设备被用于晶圆检测设备。该边缘设备必须具备快速检测缺陷的能力。因此，如何开发适用于边缘设备的高效自动缺陷分类架构是首要任务。本文提出一种能以更高效方式执行缺陷分类的新颖架构。第一项功能是自增殖，利用一系列线性变换以更低代价生成更多特征图。第二项功能是自注意力，通过通道维与空间维注意力机制捕获特征图的长程依赖。我们将此方法命名为自增殖与注意力神经网络。该方法已成功应用于多种缺陷图案分类任务。与其他最新方法相比，SP&A-Net在许多缺陷检测任务中具有更高精度与更低计算成本。
引用
@article{arxiv.2212.00345,
title = {Semiconductor Defect Pattern Classification by Self-Proliferation-and-Attention Neural Network},
author = {YuanFu Yang and Min Sun},
journal= {arXiv preprint arXiv:2212.00345},
year = {2023}
}