메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이한성 (Kangwon National University) 조현종 (Kangwon National University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제72권 제4호
발행연도
2023.4
수록면
553 - 558 (6page)
DOI
10.5370/KIEE.2023.72.4.553

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In semiconductors, various defect patterns appear on the wafer map due to problems in the design and manufacturing process. Analysis of generated defect patterns will reduce the rate of defects and enable the production of high-quality semiconductors. Considering the number of semiconductors produced, performing defect analysis by human resources is inefficient. Recently, as hardware performance has improved, high-performance deep learning models have been designed. These models show high performance in image classification and have advantages in terms of processing speed. Therefore, this paper used EfficientNetV2 designed to achieve maximum efficiency with few parameters for semiconductor failure analysis. Identifying the location of defects is a critical element of defect analysis, not just classifying defect patterns. Therefore, in this study, we used Grad-CAM to identify the classification of defect patterns and their approximate location. Wafer map dataset is difficult to collect as data includes defects in manufacturing companies" processes. To train EfficientNetV2, we used the WM-811K dataset, a publicly available dataset on Kaggle. This dataset has an imbalance in the number of data between classes. We increased the data using Flip and Rotate to address the dataset"s imbalances, ultimately improving the classification performance. The test results showed an accuracy of 0.944 and an F1-score of 0.929.
#Defect analysis #Semiconductor #Deep learning #Grad-CAM

목차

Abstract
1. 서론
2. 본론
3. 연구결과
4. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

CNN 기반 딥러닝 모델을 통한 폐암 컴퓨터 보조 진단 시스템 개발
박재범 ,  신소영 ,  조현종 전기학회논문지 2023 .11
필터링이 적용된 이미지 증대 기법을 통한 태양전지 결함 탐지 시스템
김태경 ,  조현종 전기학회논문지 2023 .03
EfficientNetV2를 활용한 위 병변 컴퓨터 보조 진단 시스템 개발
이한성 ,  조현종 대한전기학회 학술대회 논문집 2022 .07
데이터 클래스 불균형을 고려한 전이학습 기반의 반도체 웨이퍼 빈 맵 결함 패턴 분류
박인영 ,  김지영 한국산학기술학회 논문지 2024 .05
SAM Optimizer를 통한 위내시경 이미지 분류 CADx의 성능 향상 연구
박재범 ,  김민준 ,  원형식 외 2명 전기학회논문지 2023 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-560-001328017