[发明专利]图像识别系统

说明书

本发明提供一种图像识别系统。在对图像中包含的形状进行识别的图像识别系统中，即使在图像内映现有多个形状的情况下，也能够针对这些形状的单独的预测结果判定其成功与否的技术。本发明所涉及的图像识别系统按照在图像内识别出的每个对象形状并且按照特征量的每个种类，计算特征量的重要度，按照每个所述对象形状对所述重要度和特征量的每个种类的统计量进行比较，由此判定识别结果是否正确。

技术领域

本发明涉及识别图像中包含的形状的图像识别系统。

背景技术

在半导体、液晶面板等的生产线中，若在工序初期产生不良，则之后的工序的作业浪费。因此，在每个工序的重要位置处设置检查工序，在确认/维持得到给定的成品率的同时进行制造。在这些检查工序中，例如使用应用了扫描型电子显微镜(SEM：ScanningElectron Microscope)的测长SEM(CD-SEM：Critical Dimension-SEM，临界尺寸-SEM)、缺陷复查SEM(Defect Review SEM)等。

在检查工序中，对检查装置拍摄的图像确认有无缺陷、异常。近年来，能够通过机器学习中构建的图像处理模型进行高精度的自动检查。但是，成为检查对象的试样的特征根据制造工艺而变化，因此为了维持高精度的检查精度，需要在制造现场对图像处理模型进行再学习。在该情况下，需要进行再学习模型与现有模型之间的性能比较评价、再学习模型是否正常地发挥功能的确认。即，需要图像识别模型的性能评价。通常，性能评价通过标注有标签(label)的数据或第三者的确认来实施，但在制造现场，从成本、时间等的观点出发，难以实施这些。因此，需要通过无标签数据自动地评价模型的性能。

作为本技术领域的背景技术，例如有专利文献1那样的技术。专利文献1以“提供一种在基于图像的特征量来进行分类的图像分类装置以及图像分类方法中，能够以简便的方法提示与分类结果的可靠性(確からしさ)相关的信息的技术。”为课题，记载了以下的技术：“将通过任意的分类算法分类为类别A的缺陷图像X作为计算对象，计算其分类结果的准确度。针对多种特征量V1～V8的每一个，预先求出属于该分类类别的典型的图像所具有的值的范围作为典型范围。在表示计算对象图像X的各特征量中，对其值处于典型范围内的特征量进行投票，将得票数相对于特征量的种类数的比作为准确度输出。”(参照摘要)。

在先技术文献

专利文献

专利文献1：日本特开2013-077127号公报

上述专利文献1的技术输出表示基于分类算法(图像识别模型)的分类结果的可靠性的准确度。由此，由于能够判定图像识别模型的分类结果是否正确，因此可以认为，能够通过无标签数据自动地评价模型的性能。

然而，专利文献1记载的以往的图像分类装置针对一个输入图像整体计算特征量。换言之，即使在图像内存在多个缺陷的情况下，也计算识别该多个缺陷的整体的特征量。于是，根据其特征量来识别的是多个缺陷的集合体，并非单独识别各个缺陷。因此，难以针对各个缺陷的预测结果判定其成功与否。

发明内容

本发明是鉴于上述那样的课题而完成的，其目的在于提供一种在识别图像中包含的形状的图像识别系统中，即使在图像内映现有多个形状的情况下，也能够针对这些形状的单独的预测结果判定其成功与否的技术。

本发明所涉及的图像识别系统针对在图像内识别出的每个对象形状并且按特征量的每个种类计算特征量的重要度，针对每个所述对象形状对所述重要度和特征量的每个种类的统计量进行比较，由此判定识别结果是否正确。

-发明效果-

根据本发明所涉及的图像识别系统，在对图像中包含的形状进行识别的图像识别系统中，即使在图像内映现有多个形状的情况下，也能够针对这些形状的单独的预测结果判定其成功与否。上述以外的课题、结构、效果通过以下的实施方式的说明而变得明确。

附图说明