Image-Intrinsic Priors for Integrated Circuit Defect Detection and Novel Class Discovery via Self-Supervised Learning
Created by
- Haebom
Category
Empty
저자
Botong. Zhao, Xubin. Wang, Shujing. Lyu, Yue. Lu
개요
집적 회로 제조는 수백 단계의 공정을 포함하는 매우 복잡한 과정이며, 결함은 모든 단계에서 발생하여 수율 손실과 제품 신뢰성 저하를 야기합니다. IC DefectNCD는 IC SEM 이미지 내 이미지 고유 사전 정보를 활용하는 support set free 프레임워크로, 결함 감지 및 새로운 클래스 발견을 위해 제안되었습니다. 먼저, 학습 가능한 정상 정보 추출기를 통해 대표적인 정상 특징을 집계하고 재구성 잔차를 사용하여 결함 영역을 대략적으로 국소화하는 Self Normal Information Guided IC Defect Detection을 개발했습니다. 결함 간의 현저성 변동을 처리하기 위해, 핵심 결함 영역에 초점을 맞춘 안정적인 서브 이미지를 생성하는 적응형 이진화 전략을 도입했습니다. 마지막으로, 교사-학생 모델에 공간적 결함 사전 정보를 주입하기 위해 소프트 마스크 기반 어텐션 메커니즘을 통합하는 Self Defect Information Guided IC Defect Classification을 설계했습니다. 이는 결함 영역에 대한 감도를 향상시키고, 배경 간섭을 억제하며, 보이지 않는 결함의 인식 및 분류를 가능하게 합니다. 3가지 주요 제조 단계를 포함하고 15가지 결함 유형을 다루는 실제 데이터 세트에서 접근 방식을 검증했습니다. 실험 결과는 결함 감지 및 보이지 않는 결함 분류 모두에서 강력한 성능을 보여주었습니다.
시사점, 한계점
•
시사점:
◦
support set 없이 IC SEM 이미지의 이미지 고유 사전 정보를 활용하여 결함 감지 및 새로운 클래스 발견을 가능하게 함.
◦
Self Normal Information Guided IC Defect Detection을 통해 결함 영역을 대략적으로 국소화.
◦
적응형 이진화 전략을 통해 결함 간의 현저성 변동을 처리.
◦
Self Defect Information Guided IC Defect Classification을 통해 보이지 않는 결함의 인식 및 분류 가능.
◦
실제 데이터 세트에서 강력한 성능 입증.
•
한계점:
◦
구체적인 성능 수치나 비교 대상 모델에 대한 정보가 부족함.
◦
제안된 방법의 일반화 능력 및 다른 제조 단계/결함 유형에 대한 적용 가능성에 대한 추가적인 연구 필요.
◦
각 구성 요소(예: 학습 가능한 정상 정보 추출기, 적응형 이진화 전략, 소프트 마스크 기반 어텐션 메커니즘)의 상세한 작동 방식 및 매개변수 설정에 대한 추가 정보 부족.
