[发明专利]一种基于特征金字塔卷积神经网络的半导体缺陷识别方法

权利要求书

1.一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，其特征在于，包括以下方法:

S1、采集半导体缺陷图片作为样本图片；

S2、标注样本图片的缺陷类型得到训练样本集；

S3、将训练样本集划分为训练集和测试集；

S4、基于卷积神经网络与特征金字塔相融合的算法构建缺陷分类模型；

S5、利用所述训练集和测试集训练和测试缺陷分类模型；

S6、利用训练后的缺陷分类模型分类待分类半导体缺陷图片；

所述基于卷积神经网络与特征金字塔相融合的算法构建缺陷分类模型具体包括以下步骤：

L1、提取卷积神经网络中的特征图，所提取的各个特征图具有不同的分辨率；

L2、分别提取步骤L1生成的具有相同分辨率的卷积层组的最后一个卷积层特征图并进行通道压缩，使其通道数变为1；

L3、将通道压缩后的各个特征图进行一维展开得到各个特征图的一维特征向量，并将其与卷积神经网络所输出的最后一维全连接层特征向量进行堆叠；

L4、将步骤L3堆叠得到的一维特征向量进行全连接层计算，然后输入至softmax分类器进行分类。

2.根据权利要求1所述的一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，其特征在于：在步骤L2中，在排除前2个分辨率最大的特征图组后，将步骤L1提取的各个卷积层的特征图进行通道压缩。

3.根据权利要求1至2中任意一项所述的一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，其特征在于：所述卷积神经网络为VGG-16分类网络。