基于预训练深度卷积神经网络的迁移学习光刻坏点检测方法
实质审查的生效
摘要
一种基于预训练深度卷积神经网络的迁移学习光刻坏点检测方法。本发明采用预训练的VGG卷积神经网络作为模型，将下采样的版图图形数据作为模型输入，采用交叉熵损失作为模型训练的损失函数，从而训练得到适用于光刻坏点检测的模型。本发明可以有效提升检测坏点检测结果的查准率和F1分数，在查全率、查准率和F1分数获得良好的综合表现。
基本信息
专利标题 ：
基于预训练深度卷积神经网络的迁移学习光刻坏点检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114511009A
申请号 ：
CN202210054709.4
公开（公告）日 ：
2022-05-17
申请日 ：
2022-01-18
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
廖陆峰李思坤王向朝
申请人 ：
中国科学院上海光学精密机械研究所
申请人地址 ：
上海市嘉定区清河路390号
代理机构 ：
上海恒慧知识产权代理事务所(特殊普通合伙)
代理人 ：
张宁展
优先权 ：
CN202210054709.4
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06V10/774 G06N3/04 G06T7/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-06-03 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20220118
申请日 : 20220118
2022-05-17 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
