[发明专利]从设计信息产生模拟图像有效
申请号: | 201680065641.2 | 申请日: | 2016-11-17 |
公开(公告)号: | CN108351600B | 公开(公告)日: | 2019-10-25 |
发明(设计)人: | 张晶;K·巴哈斯卡尔 | 申请(专利权)人: | 科磊股份有限公司 |
主分类号: | G03F7/20 | 分类号: | G03F7/20;G03F1/76 |
代理公司: | 北京律盟知识产权代理有限责任公司 11287 | 代理人: | 张世俊 |
地址: | 美国加利*** | 国省代码: | 美国;US |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 模拟图像 设计信息 生成模型 样本 计算机子系统 解码器 成像系统 实际图像 特征产生 编码器 配置 | ||
1.一种经配置以从设计信息产生模拟图像的系统,其包括:
一或多个计算机子系统;及
一或多个组件,其由所述一或多个计算机子系统执行,其中所述一或多个组件包括:
生成模型,其中所述生成模型包括:
两个或两个以上编码器层,其经配置以确定用于样本的设计信息的特征;及
两个或两个以上解码器层,其经配置以从所述经确定特征产生一或多个模拟图像,其中所述一或多个模拟图像说明形成于所述样本上的所述设计信息如何出现在由成像系统产生的所述样本的一或多个实际图像中。
2.根据权利要求1所述的系统,其中所述生成模型是深度生成模型。
3.根据权利要求1所述的系统,其中所述生成模型是卷积及解卷积神经网络。
4.根据权利要求1所述的系统,其中所述两个或两个以上编码器层包括两个或两个以上卷积及池化层,且其中所述两个或两个以上解码器层包括两个或两个以上解卷积及向上池化层。
5.根据权利要求1所述的系统,其中所述两个或两个以上编码器层通过所述设计信息的尺寸减小来确定所述特征。
6.根据权利要求1所述的系统,其中所述设计信息是计算机辅助设计数据。
7.根据权利要求1所述的系统,其中所述一或多个计算机子系统经配置以产生用于训练所述生成模型的训练数据集,且其中所述训练数据集包括其它设计信息的一部分及针对所述其它设计信息的所述部分产生的实际图像的对的集合。
8.根据权利要求1所述的系统,其中所述一或多个计算机子系统经配置以修改其它设计信息的一部分以在所述其它设计信息的所述部分中产生经预先确定的缺陷且产生用于训练所述生成模型的训练数据集,且其中所述训练数据集包括:所述其它设计信息的所述修改部分及针对所述其它设计信息的所述修改部分产生的实际图像的对;及所述其它设计信息的一部分及针对所述其它设计信息的所述部分产生的实际图像的其它对。
9.根据权利要求1所述的系统,其中所述一或多个计算机子系统经配置以预训练所述两个或两个以上编码器层及所述两个或两个以上解码器层的一部分。
10.根据权利要求1所述的系统,其中所述一或多个计算机子系统经配置以通过学习训练数据集中的设计信息的所述特征而训练所述两个或两个以上编码器层及所述两个或两个以上解码器层的一部分,且其中所述学习包括使用所述两个或两个以上编码器层推断所述训练数据集中的所述设计信息的所述特征且使用所述两个或两个以上解码器层的所述部分从所述经推断特征再生所述训练数据集中的所述设计信息。
11.根据权利要求10所述的系统,其中所述训练是非监督式的。
12.根据权利要求10所述的系统,其中所述一或多个组件进一步包括额外组件,其中使用所述额外组件执行所述训练,且其中所述额外组件包括自动编码器、堆叠自动编码器、具有正则化的自动编码器、噪声去除自动编码器、堆叠噪声去除自动编码器、稀疏自动编码器、变分自动编码器、经配置以学习特征分布的自动编码器、限制波兹曼(Boltzmann)机器、经配置以学习特征分布的限制波兹曼机器、门控马可夫(Markov)随机场、深度波兹曼机器、深度信仰网络、卷积限制波兹曼机器、卷积自动编码器、卷积神经网络、递归神经网络、长短期存储器、生成对抗网或其某一组合。
13.根据权利要求10所述的系统,其中所述经学习特征包括纯量值向量、独立分布向量或联合分布。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科磊股份有限公司,未经科磊股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201680065641.2/1.html,转载请声明来源钻瓜专利网。