摘要
本发明公开了一种融合扩展感受野与局部加权的晶圆缺陷分类算法,涉及图像增强,输入待检测的晶圆图像;通过自适应加权下采样操作,对所述晶圆图像进行特征提取;通过扩张卷积操作和重参数化操作对所述特征图进行多尺度特征提取和融合;通过局部加权与上下文信息引导操作对所述全局特征图中的缺陷信息进行优化;将优化后的全局特征图输入到分类网络中,通过全连接层对所述晶圆图像中的缺陷进行分类;根据分类结果判断所述晶圆图像是否存在缺陷。本发明通过综合运用扩展感受野、局部加权和上下文引导技术,有效提高了模块在多尺度特征融合和小目标检测中的表现,极大地降低了误报率,提升了检测精度。
技术关键词
局部图像特征
多尺度特征提取
晶圆
局部特征信息
算法
Softmax函数
分类网络
融合特征
模块
缺陷类别
注意力机制
图像增强
计算方法
参数
分辨率
通道
元素
精度