一种基于注意力与集成学习的晶圆缺陷分类方法及其应用

本发明公开了一种基于注意力与集成学习的晶圆缺陷分类方法及其应用，对待分类的晶圆缺陷图像进行图像预处理后，将预处理后的图像输入晶圆缺陷分类模型中，晶圆缺陷分类模型输出晶圆缺陷的类别，即完成对晶圆缺陷的分类；晶圆缺陷分类模型为stacking集成模型，stacking集成模型的元学习器为包含注意力层的linear classifier分类器，stacking集成模型的基学习器包括SE‑DenseNet121、SE‑ResNet50、SE‑ResNeXt50、SE‑SKNet50这四种改进注意力模型。本发明通过建立堆叠泛化模型来提高分类精度，特别是对小样本类别的识别性能，应用前景好。