Analisis Cacat Semikonduktor Pada Gambar SEM Lebih Akurat Dan Terperinci Menggunakan SEMI-PointRend

Sebuah makalah teknis berjudul "SEMI-PointRend: Peningkatan Klasifikasi dan Segmentasi Cacat Semikonduktor Wafer sebagai Rendering" diterbitkan (pracetak) oleh para peneliti di imec, University of Ulsan, dan KU Leuven.

Abstrak:
“Dalam penelitian ini, kami menerapkan metode PointRend (Point-based Rendering) pada segmentasi cacat semikonduktor. PointRend adalah algoritma segmentasi iteratif yang terinspirasi oleh rendering gambar dalam grafik komputer, metode segmentasi gambar baru yang dapat menghasilkan masker segmentasi beresolusi tinggi. Itu juga dapat secara fleksibel diintegrasikan ke dalam meta-arsitektur segmentasi contoh umum seperti Mask-RCNN dan meta-arsitektur semantik seperti FCN. Kami mengimplementasikan model, disebut sebagai SEMI-PointRend, untuk menghasilkan masker segmentasi yang tepat dengan menerapkan modul jaringan neural PointRend. Dalam makalah ini, kami fokus untuk membandingkan prediksi segmentasi cacat SEMI-PointRend dan Mask-RCNN untuk berbagai jenis cacat (runtuh garis, jembatan tunggal, jembatan tipis, jembatan multi non-horizontal). Kami menunjukkan bahwa SEMI-PointRend dapat mengungguli Mask R-CNN hingga 18.8% dalam hal segmentasi rata-rata presisi.”

Temukan teknisnya kertas di sini. Diterbitkan Februari 2023.

Hwang, MinJin, Bappaditya Dey, Enrique Dehaerne, Sandip Halder, and Young-han Shin. “SEMI-PointRend: Peningkatan Klasifikasi dan Segmentasi Cacat Wafer Semikonduktor sebagai Rendering.” pracetak arXiv arXiv:2302.09569 (2023). Akan diterbitkan oleh SPIE dalam prosiding Metrologi, Inspeksi, dan Kontrol Proses XXXVII. https://doi.org/10.48550/arXiv.2302.09569.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. Akses Di Sini.
• Sumber: https://semiengineering.com/more-accurate-and-detailed-analysis-of-semiconductor-defects-in-sem-images-using-semi-pointrend/