摘要
本发明涉及半导体制造技术领域,公开了一种多模态融合域迁特征驱动的晶圆表面缺陷表征方法,该步骤:首先对多模态数据进行特征提取与融合,再通过多层级域对抗网络进行全面的特征对齐。将对齐后的特征显式分离为域不变与域变两部分;然后通过自注意力机制增强域不变特征,并与对齐后的多模态特征进行最小信息损失重组,构建出高质量的最终特征集。基于此,一个多任务学习框架即可并行输出缺陷的种类、测量与定位结果。通过多层级域对抗与精细化的特征解耦重组策略,有效克服了因生产批次或设备更迭引发的域偏移难题,实现了对晶圆表面缺陷精准、鲁棒且全面的智能化表征。
技术关键词
缺陷表征方法
融合多模态特征
晶圆表面缺陷
注意力机制
特征提取器
执行傅里叶变换
多任务
个性化特征
层级
定位头
分类器
策略
样本
编码器
半导体
数据
标签
系统为您推荐了相关专利信息
多模态特征融合
车辆篷布
实时检测方法
智能交通监管技术
实时检测系统
导航模型训练方法
无人机航拍图像
网格特征
地标对象
视觉特征
恶性分类方法
语义向量
感兴趣区域图像
CT扫描图像
优化网络参数