基于改进YOLOv3的光刻热点检测方法

作者：林牧; 曾范文清; 刘枭旋; 李芬成; 骆骏; 沈逸江^*

来源：光学学报, 2023, 43(23): 190-198.

• 光刻
• 热点
• 深度学习
• YOLOv3
• 挤压和激励网络

随着集成电路特征尺寸不断缩小，光刻系统分辨率与特征尺寸之间不匹配导致晶圆成像结果出现不必要的形状变形。这些会产生形状变形的区域就是俗称的光刻热点。为提高集成电路生产的良品率，在掩模板制造之前，需要对晶圆成像结果进行光刻热点检测。提出一种基于深度学习的热点检测方法，通过将挤压和激励网络（SENet）输入预先训练的YOLOv3模型来提高光刻热点检测的精确率和召回率。实验结果表明，在2012国际计算机辅助设计会议（ICCAD2012）数据集上，所提方法优于其他基于深度或具有代表性的基于机器学习的方法，最终的平均召回率为1.00，精确率为0.45,F1分数为0.62。

• 单位
  广东工业大学