科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对深度学习领域中集成电路（IC）版图数据集不充足导致预测模型准确度有限的问题，基于双生成对抗网络（DoubleGAN），提出了一种面向拥塞预测的版图数据扩充和自动标注方法。首先，利用5层反卷积网络结构搭建特征图生成模型，利用U-net结构搭建标签自动标注模型；然后，以Wasserstein距离为损失函数，训练以上模型；最后，原数据集通过以上模型扩充一定倍数后作为训练集，代入拥塞预测模型，提升预测的准确度。在拥塞预测数据集上进行数据生成实验，DoubleGAN生成数据的FID(Fréchet Inception Distance)的平均值为165.943，质量较好。与传统、深度卷积生成对抗网络（DCGAN）扩充方法进行对比实验，使用DoubleGAN扩充2倍时的预测方法，在归一化均方根误差（NRMS）、峰值信噪比（PSNR）、结构相似衡量（SSIM）指标上均优于传统方法和DCGAN扩充方法；对比数据扩充前的拥塞预测模型，各指标均有1.34%～17.98%的改善效果，实验结果表明所提扩充方法在总体上能够提高预测模型的准确度。
- 单位
