Mer nøyaktig og detaljert analyse av halvlederdefekter i SEM-bilder ved bruk av SEMI-PointRend

En teknisk artikkel med tittelen "SEMI-PointRend: Improved Semiconductor Wafer Defect Classification and Segmentation as Rendering" ble publisert (preprint) av forskere ved imec, University of Ulsan og KU Leuven.

Abstrakt:
"I denne studien brukte vi PointRend-metoden (Point-based Rendering) på segmentering av halvlederdefekter. PointRend er en iterativ segmenteringsalgoritme inspirert av bildegjengivelse i datagrafikk, en ny bildesegmenteringsmetode som kan generere høyoppløselige segmenteringsmasker. Den kan også integreres fleksibelt i vanlig instanssegmenteringsmetaarkitektur som Mask-RCNN og semantisk metaarkitektur som FCN. Vi implementerte en modell, kalt SEMI-PointRend, for å generere presise segmenteringsmasker ved å bruke PointRend-nevrale nettverksmodulen. I denne artikkelen fokuserer vi på å sammenligne defektsegmenteringsprediksjonene til SEMI-PointRend og Mask-RCNN for ulike defekttyper (linjekollaps, enkeltbro, tynnbro, ikke-horisontal multibro). Vi viser at SEMI-PointRend kan overgå Mask R-CNN med opptil 18.8 % når det gjelder gjennomsnittlig segmenteringspresisjon.»

Finn det tekniske papir her. Publisert februar 2023.

Hwang, MinJin, Bappaditya Dey, Enrique Dehaerne, Sandip Halder og Young-han Shin. "SEMI-PointRend: Forbedret klassifisering og segmentering av halvlederwaferdefekter som gjengivelse." arXiv preprint arXiv:2302.09569 (2023). Skal publiseres av SPIE i forhandlingene til Metrologi, inspeksjon og prosesskontroll XXXVII. https://doi.org/10.48550/arXiv.2302.09569.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. Tilgang her.
• kilde: https://semiengineering.com/more-accurate-and-detailed-analysis-of-semiconductor-defects-in-sem-images-using-semi-pointrend/