JP7120528B2 - 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 - Google Patents
分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 Download PDFInfo
- Publication number
- JP7120528B2 JP7120528B2 JP2018178153A JP2018178153A JP7120528B2 JP 7120528 B2 JP7120528 B2 JP 7120528B2 JP 2018178153 A JP2018178153 A JP 2018178153A JP 2018178153 A JP2018178153 A JP 2018178153A JP 7120528 B2 JP7120528 B2 JP 7120528B2
- Authority
- JP
- Japan
- Prior art keywords
- classifier
- data
- image
- frequency distribution
- classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Description
一方で、ヒストグラムや度数分布表を作成する際に、サンプル数をNとして階級の数kの目安を得る方法としては、一般に以下の「スタージェスの公式」が知られている。
k=log2N+1
しかし、この公式では、例えば5000個の欠陥データに対する階級数がk=13.29となり、経験的に得られた値の範囲(100~200)とは明らかに異なっている。このため、離散化の区画数を得ようとすると、試行錯誤で探らざるを得なかった。
画像を複数のクラスのいずれかに分類する分類器を構築する分類器構築方法であって、
a)前記クラスが教示された教師画像、および、前記教師画像に基づく複数の特徴量軸毎の値を含む教師データを、前記複数のクラスの各々につき1つ以上の同数ずつ含むデータセットを複数セット準備する工程と、
b)前記教師データの全部に基づき、前記複数の特徴量軸毎に、該特徴量軸の値を離散化して所定数の区画に分割する工程と、
c)前記a)工程にて準備された前記複数のデータセットに基づき、前記複数の特徴量軸毎に、特徴量軸の値を前記b)工程にて分割された各区画における度数を前記クラス別に示す度数分布データを生成する工程と、
d)前記度数分布データが示す前記特徴量軸毎の各区画における前記クラス別の出現比率に基づき前記画像を分類する分類器を生成する工程と、
e)前記複数のデータセットの全部を前記分類器で分類する工程と、
f)前記度数分布データのうち前記e)工程において誤分類された教師データについて、当該教師データが有する特徴量軸の値に対応する対応区画を前記特徴量軸毎に特定し、特定された前記対応区画における当該教師データの前記教示されたクラスの度数を増加させるように前記度数分布データを修正する工程と、
g)前記f)工程にて修正された度数分布データに対して前記d)工程を繰り返す工程と、
h)前記複数のデータセットの全部を前記g)工程にて生成された分類器で分類し、分類成績を取得する工程と、
i)前記h)工程にて得られた前記分類成績が第1の基準を満たすか否か判断する工程と、
j)前記第1の基準を満たさない場合は、前記b)工程における前記区画の数を増やして設定し、前記b)工程から前記h)工程を繰り返す工程と、
k)前記第1の基準を満たす場合は、前記第1の基準を満たす前記分類器に対する前記区画の数から、より少ない前記区画の数であり、かつ、当該区画の数について前記b)工程から前記h)工程を行い、該h)工程にて得られた前記分類成績が第2の基準を満たす前記区画の数を取得する工程と、
l)複数の前記教師データに基づき、前記複数の特徴量軸毎に、該特徴軸の値を離散化して前記k)工程にて取得された数の前記区画に分割された各区画における度数を前記クラス別に示す度数分布データにて示される前記特徴量軸毎の各区画における前記クラス別の出現比率に基づき前記画像を分類する分類器を構築する工程と、
を備えることを特徴とする。
m)前記第1の基準を満たす前記分類器に対する前記区画の数から、減らして設定された前記区画の数について、前記b)工程から前記h)工程を行い、該h)工程にて得られた前記分類成績が前記第2の基準を満たさない場合には、前記区画の数を増やして設定された前記区画の数について、前記b)工程から前記h)工程を行う工程、
を含むようにしてもよい。
画像を分類する画像分類方法であって、
分類対象画像を準備する工程と、
前記分類器構築方法により構築された分類器によって、前記分類対象画像を分類する工程と、
を含むことを特徴とする。
画像を複数のクラスのいずれかに分類する分類器を構築する分類器構築装置であって、
前記クラスが教示された教師画像、および、前記教師画像に基づく複数の特徴量軸毎の値を含む教師データと、該教師データを、前記複数のクラスの各々につき1つ以上の同数ずつ含むデータセットの複数セットとを記憶する教師データ記憶部と、
前記教師データ記憶部に記憶された前記教師データの全部に基づき、前記複数の特徴量軸毎に、該特徴量軸の値を離散化して分割する区画の数を設定する区画設定部と、
前記教師データ記憶部に記憶された前記複数のデータセットに基づき、前記複数の特徴量軸毎に、前記区画設定部にて設定された数の各区画における度数をクラス別に示す度数分布データを生成する度数分布データ生成部と、
前記度数分布データが示す前記特徴量軸毎の各区画における前記クラス別の出現比率に基づき前記画像を分類する分類器を生成する分類器生成部と、
前記複数のデータセットの一部または全部を前記分類器で分類したときに誤分類された教師データについて、当該教師データが有する特徴量軸の値に対する対応区画を前記特徴量軸毎に特定し、特定された前記対応区画における当該教師データの前記教示されたクラスの度数を増加させるように前記度数分布データを修正する度数分データ修正部と、
前記複数のデータセットの全部を前記分類器で分類した分類成績を取得する分類成績取得部と、
前記分類成績取得部で取得された分類成績が第1の基準を満たすまで、区画設定部における前記区画の数を増やす設定と、設定された当該区画の数に従った前記度数分布データ生成部における度数分布データの生成と、当該度数分布データに基づく前記分類器生成部における前記分類器の生成と、度数分布データ修正部における前記度数分布データの修正とを繰り返し実行させる繰返制御部と、
前記分類成績取得部で取得された分類成績が第1の基準を満たす場合に、前記第1の基準を満たす前記分類器に対する前記区画の数から、より少ない前記区画の数であり、かつ、当該区画の数に従った前記度数分布データ生成部における度数分布データの生成と、当該度数分布データに基づく前記分類器生成部における前記分類器の生成と、度数分布データ修正部における前記度数分布データの修正と、修正された前記度数分布データに基づく前記分類器生成部における前記分類器の生成と、当該生成された前記分類器で前記複数のデータセットの全部を分類した分類成績の、前記分類成績取得部における取得と、を行わせて取得された前記分類成績が第2の基準を満たす前記区画の数を取得する区画数探索部と、
を備え、
複数の前記教師データに基づき、前記複数の特徴量軸毎に、該特徴量軸の値を前記区画数探索部において取得された数の前記区画に分割された各区画における度数を前記クラス別に示す度数分布データにて示される前記特徴量軸毎の各区画における前記クラス別の出現比率に基づき前記画像を分類する分類器を構築することを
特徴とする。
画像を分類する画像分類装置であって、
前記分類器構築装置と、
分類対象画像を記憶する分類対象画像記憶部と、
前記分類対象画像を前記分類器に分類させる分類制御部と、
を備えることを特徴とする。
図1は、実施形態に係る検査・分類装置1の概略構成を示す図である。検査・分類装置1では、半導体基板(以下、単に「基板」という。)9上のパターンの欠陥を示す欠陥画像が取得され、当該欠陥画像の分類が行われる。欠陥画像の分類により、分類対象である当該欠陥が分類される。
が検出された場合に、欠陥が属すべき欠陥クラス(欠陥の種別であり、「カテゴリ」などとも呼ばれる。)へと欠陥を分類する。コンピュータ5は、検査・分類装置1の全体動作の制御、および、欠陥の分類に利用される分類器の構築も行う。基板9上に存在するパターンの欠陥のクラスは、たとえば、欠損、突起、断線、ショート、異物などである。撮像装置2は、基板9の製造ラインに組み込まれる。検査・分類装置1は、いわゆるインライン型のシステムとなっている。検査・分類装置1は、欠陥検査装置に自動欠陥分類の機能を付加した装置と捉えることもできる。
検査・分類装置1では、事前準備として、分類器構築装置33による分類器330の構築が行われる。図4A、図4Bおよび図5は、実施形態の分類器構築装置33による分類器330の構築の際に各クラスの度数分布表を作成するために教師データについて離散化された適切な区画数を決定する流れを示す図である。本処理例における分類器330の構築では、分類器330の構造が実質的に予め決定されており、分類器330が含むパラメータに値を付与することにより、分類器330が生成される。
このようにして生成された教師データ81から、全てのクラスから1つ以上の同数の教
師データを選出して複数の学習用データセット810を準備する(ステップS1)。
確率Pjk(Ci)の総和は1にはならない。
果として求める。当該弱分類器では、特徴量軸Djの値が取得された画像が、特定のクラスCiに属するとした場合の妥当性(確信度)を示す評価値がクラス評価値として求められるともいえる。
分布データ修正部334は、修正対象の度数分布データ82に基づき画像分類を行う分類器330を用いて、複数の教師データ81を分類する(ステップS34)。本処理例では、度数分布データ修正部334は、教師データ81として、初期の分類器330を生成したとき(すなわち、初期の度数分布データ82を生成したとき)に使用された教師データ81全部を、分類器330に分類させる。教師データ81の分類では、各教師データ81の各特徴量軸Djの値が特定され、クラスCi別の出現比率(確率Pjk(Ci))がクラス評価結
果として取得される。
特徴量の値の対応区画が区画kであるとする。修正前の特徴量軸Djの度数分布を図6(
a)に示し、修正後の特徴量軸Djの度数分布を図6(c)に示す。ここでは、度数分布
データ修正部334は、「Class 2」の度数を、区画kを中心としてその両側の区画に、
図6(b)に示す{1,2,3,5,8,11,13,14,13,11,8,5,3,2,1}のように度数を増加させる。これは、kを平均値として、総数100、標準偏差3の正規分布(正確には正規分布を整数化したもの)に従って度数を増加させるものである。これにより、区画kを中心とする区画における「Class 2」の出現比率が見かけ上増
加することとなる。このような要領で、度数分布データ修正部334は、誤分類教師データの全ての特徴量軸に関して、対応区画の度数を増加させることにより、度数分布データ82を修正する。
画の出現比率を隣接区間区画の出現比率よりも相対的に大きく増加させることができる。したがって、更新された分類器330が、誤分類された教師データ81の教示クラスに分類されるべき画像、すなわち、上記対応区間区画の特徴量を持つ画像が、その教示クラスに分類される確率を上げることができる。
ての学習用データセットについては正答率100%ではないと判断された場合には、区画数を増やし(ステップS15)、iをインクリメントして(ステップS16)、新たな区画数K(i)を設定し(ステップS11)、ステップS12の処理を実行する。ステップS14において、全ての学習用データセットについて正答率100%であると判断された場合には、ステップS17に進む。
このようにすれば、実際のデータに適した離散化の区画数を得ることができる。
まず、この5112個の全てのデータについて、174個の特徴量毎に最大値と最小値を調べておく。また、教師データから、学習用サブセットを作る。ただし、このデータでは、最もデータ数の少ないC3についてデータの重複なくサブセットを作ろうとすれば、例えば、8個×86セットのようになるが、経験的にはこれでは教師データ数としてもサブセット数としても若干不足していると判断されるため、各クラスからランダムに10個ずつ取り出した(全30個の教師データからなる)もの100セットとした。
上述の5112個の教師データを用いて、得られた区画数173でステップS32~S35に説明した処理により構築した分類器により、別途用意したテスト用データ(総データ数4865個)を分類したところ、約73%の総正答率を得た。離散化区画数を変えて分類器を構築したときの、テスト用データの総正答率は図8のようになっており、上述の
区画数173とした分類器は、必ずしも最高成績を示す区画数ではない。しかし、ここでは無駄に区画数を増やすことなく、つまりなるべく少ないメモリ消費量で安定した動作が得られるような区画数が重要である。分類成績については、追加学習によって分類器を更新するか、あるいはBoostingの手法を用いることにより向上させることができる。
図9は、実施形態の分類器構築装置33による分類器330の構築の流れを示す図である。
ステップS41において、教師データを準備する。教師データの準備については、図4A、図4Bおよび図5に関連して説明したところと同様であるため説明を省略する。
ステップS42において、特徴量毎にクラス各々の度数分布を作成する。この際に、上述の図4A、図4Bおよび図5に説明した方法によって決定した区画数を用いる。
ステップS43における分類器の生成は図5のステップS33と同様である。また、ステップS44における分類器を用いた教師データの分類は図5のステップS34と同様であり、ステップS45における誤分類された教師データについての度数分布の修正は、図5のステップS35と同様である。ただし、このとき、再代入法に用いられる教師データについて、初期の分類器330を生成したとき(すなわち、初期の度数分布データ82を生成したとき)に使用された教師データ81全部を、分類器330に分類させてもよいし教師データ81全部のうち一部のみを選択して、分類器330に分類させてもよい。また、ステップS44において、これまで使用されていない教師データ81(すなわち、度数分布データ82に反映されていない教師データ81)を含めて、分類器330に分類させてもよい。
ステップS46において、修正された度数分布データに基づく分類器330が、画像分類装置32における分類器320として登録される(ステップS46)。
分類器の構築においては、さらに、追加学習によって分類器を更新するようにしてもよい。また、さらにBoostingによって構築してもよい。
図10は、画像分類装置32による新たな教師データ81の生成支援処理の流れを示す図である。画像分類装置32が備える分類器320は、分類器構築装置33が図9に示す流れに沿って生成した分類器330である。画像分類装置32は、オペレータが未教示の欠陥画像から新たな教師画像(教師データ81)を生成する作業を支援することができる。
できる。したがって、オペレータが全ての欠陥画像を確認してクラスを決定する場合、たとえば、未教示の欠陥画像が1000あるいは10000個以上となると、オペレータにとって分類作業は極めて大きい負担となる。そこで、画像分類装置32を用いることにより、その負担を大幅に軽減できる。
ここで、画像分類装置32による欠陥画像の分類について、簡単に説明する。既述のように、検査・分類装置1では、撮像装置2により基板9が撮像され、撮像画像が欠陥検出部41に入力される。欠陥検出部41では、検査対象領域の欠陥検査が行われ、欠陥が検出されると、欠陥部分の多値画像である欠陥画像が生成されて画像分類装置32に出力される。これにより、欠陥画像が、画像記憶部321に記憶された状態で準備される。当該欠陥画像は、画像分類装置32における分類対象の画像であるため、以下、「対象画像」とも称する。
じて、分類すべきクラスが不明であることを示す追加クラスが分類クラスとして決定される場合もある。検査・分類装置1では、欠陥検出部41にて欠陥が検出される毎にこのような分類動作がリアルタイムにて行われ、多数の対象画像の自動分類が高速に行われる。
以上、実施形態について説明してきたが、本発明は上記のようなものに限定されるものではなく、様々な変形が可能である。
5 コンピュータ
8 記録媒体
9 基板
31 特徴量算出部
32 画像分類装置
320,330 分類器
321 画像記憶部
322 分類制御部
33 分類器構築装置
331 教師データ記憶部
332 度数分布データ生成部
333 分類器生成部
334 度数分布データ修正部
335 繰返制御部
41 欠陥検出部
56 入力部
81 教師データ
810 学習用データセット
82 度数分布データ
83 区画設定部
Claims (7)
- 画像を複数のクラスのいずれかに分類する分類器を構築する分類器構築方法であって、
a)前記クラスが教示された教師画像、および、前記教師画像に基づく複数の特徴量軸毎の値を含む教師データを、前記複数のクラスの各々につき1つ以上の同数ずつ含むデータセットを複数セット準備する工程と、
b)前記教師データの全部に基づき、前記複数の特徴量軸毎に、該特徴量軸の値を離散化して所定数の区画に分割する工程と、
c)前記a)工程にて準備された前記複数のデータセットに基づき、前記複数の特徴量軸毎に、特徴量軸の値を前記b)工程にて分割された各区画における度数を前記クラス別に示す度数分布データを生成する工程と、
d)前記度数分布データが示す前記特徴量軸毎の各区画における前記クラス別の出現比率に基づき前記画像を分類する分類器を生成する工程と、
e)前記複数のデータセットの全部を前記分類器で分類する工程と、
f)前記度数分布データのうち前記e)工程において誤分類された教師データについて、当該教師データが有する特徴量軸の値に対応する対応区画を前記特徴量軸毎に特定し、特定された前記対応区画における当該教師データの前記教示されたクラスの度数を増加させるように前記度数分布データを修正する工程と、
g)前記f)工程にて修正された度数分布データに対して前記d)工程を繰り返す工程と、
h)前記複数のデータセットの全部を前記g)工程にて生成された分類器で分類し、分類成績を取得する工程と、
i)前記h)工程にて得られた前記分類成績が第1の基準を満たすか否か判断する工程と、
j)前記第1の基準を満たさない場合は、前記b)工程における前記区画の数を増やして設定し、前記b)工程から前記h)工程を繰り返す工程と、
k)前記第1の基準を満たす場合は、前記第1の基準を満たす前記分類器に対する前記区画の数から、より少ない前記区画の数であり、かつ、当該区画の数について前記b)工程から前記h)工程を行い、該h)工程にて得られた前記分類成績が第2の基準を満たす前記区画の数を取得する工程と、
l)複数の前記教師データに基づき、前記複数の特徴量軸毎に、該特徴軸の値を離散化して前記k)工程にて取得された数の前記区画に分割された各区画における度数を前記クラス別に示す度数分布データにて示される前記特徴量軸毎の各区画における前記クラス別の出現比率に基づき前記画像を分類する分類器を構築する工程と、
を備えることを特徴とする分類器構築方法。 - 前記k)工程は、
m)前記第1の基準を満たす前記分類器に対する前記区画の数から、減らして設定された前記区画の数について、前記b)工程から前記h)工程を行い、該h)工程にて得られた前記分類成績が前記第2の基準を満たさない場合には、前記区画の数を増やして設定された前記区画の数について、前記b)工程から前記h)工程を行う工程、
を含む請求項1に記載の分類器構築方法。 - 前記f)工程において、前記度数分布データのうち前記e)工程において誤分類された教師データについて、当該教師データが有する特徴量軸の値に対応する対応区画を前記特徴量軸毎に特定し、特定された前記対応区画を含む複数の前記区画における、当該教師データの前記教示されたクラスの度数を、前記対応区画を中心とする正規分布に従って増加させることを特徴とする請求項1または2に記載の分類器構築方法。
- 前記第1の基準及び前記第2の基準は、前記データセットの全てについて正答率が10
0%であることを特徴とする請求項1ないし3のいずれか1項に記載の分類器構築方法。 - 画像を分類する画像分類方法であって、
分類対象画像を準備する工程と、
請求項1ないし4のいずれか1項に記載の分類器構築方法により構築された分類器によって、前記分類対象画像を分類する工程と、
を含むことを特徴とする画像分類方法。 - 画像を複数のクラスのいずれかに分類する分類器を構築する分類器構築装置であって、
前記クラスが教示された教師画像、および、前記教師画像に基づく複数の特徴量軸毎の値を含む教師データと、該教師データを、前記複数のクラスの各々につき1つ以上の同数ずつ含むデータセットの複数セットとを記憶する教師データ記憶部と、
前記教師データ記憶部に記憶された前記教師データの全部に基づき、前記複数の特徴量軸毎に、該特徴量軸の値を離散化して分割する区画の数を設定する区画設定部と、
前記教師データ記憶部に記憶された前記複数のデータセットに基づき、前記複数の特徴量軸毎に、前記区画設定部にて設定された数の各区画における度数をクラス別に示す度数分布データを生成する度数分布データ生成部と、
前記度数分布データが示す前記特徴量軸毎の各区画における前記クラス別の出現比率に基づき前記画像を分類する分類器を生成する分類器生成部と、
前記複数のデータセットの一部または全部を前記分類器で分類したときに誤分類された教師データについて、当該教師データが有する特徴量軸の値に対する対応区画を前記特徴量軸毎に特定し、特定された前記対応区画における当該教師データの前記教示されたクラスの度数を増加させるように前記度数分布データを修正する度数分データ修正部と、
前記複数のデータセットの全部を前記分類器で分類した分類成績を取得する分類成績取得部と、
前記分類成績取得部で取得された分類成績が第1の基準を満たすまで、区画設定部における前記区画の数を増やす設定と、設定された当該区画の数に従った前記度数分布データ生成部における度数分布データの生成と、当該度数分布データに基づく前記分類器生成部における前記分類器の生成と、度数分布データ修正部における前記度数分布データの修正とを繰り返し実行させる繰返制御部と、
前記分類成績取得部で取得された分類成績が第1の基準を満たす場合に、前記第1の基準を満たす前記分類器に対する前記区画の数から、より少ない前記区画の数であり、かつ、当該区画の数に従った前記度数分布データ生成部における度数分布データの生成と、当該度数分布データに基づく前記分類器生成部における前記分類器の生成と、度数分布データ修正部における前記度数分布データの修正と、修正された前記度数分布データに基づく前記分類器生成部における前記分類器の生成と、当該生成された前記分類器で前記複数のデータセットの全部を分類した分類成績の、前記分類成績取得部における取得と、を行わせて取得された前記分類成績が第2の基準を満たす前記区画の数を取得する区画数探索部と、
を備え、
複数の前記教師データに基づき、前記複数の特徴量軸毎に、該特徴量軸の値を前記区画数探索部において取得された数の前記区画に分割された各区画における度数を前記クラス別に示す度数分布データにて示される前記特徴量軸毎の各区画における前記クラス別の出現比率に基づき前記画像を分類する分類器を構築することを
特徴とする分類器構築装置。 - 画像を分類する画像分類装置であって、
請求項6に記載の分類器構築装置と、
分類対象画像を記憶する分類対象画像記憶部と、
前記分類対象画像を前記分類器に分類させる分類制御部と、
を備えることを特徴とする画像分類装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018178153A JP7120528B2 (ja) | 2018-09-21 | 2018-09-21 | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018178153A JP7120528B2 (ja) | 2018-09-21 | 2018-09-21 | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020052474A JP2020052474A (ja) | 2020-04-02 |
JP7120528B2 true JP7120528B2 (ja) | 2022-08-17 |
Family
ID=69997075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018178153A Active JP7120528B2 (ja) | 2018-09-21 | 2018-09-21 | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7120528B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022114331A (ja) | 2021-01-26 | 2022-08-05 | 日東電工株式会社 | 検査システム、検査方法及び検査プログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018045673A (ja) | 2016-09-09 | 2018-03-22 | 株式会社Screenホールディングス | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
-
2018
- 2018-09-21 JP JP2018178153A patent/JP7120528B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018045673A (ja) | 2016-09-09 | 2018-03-22 | 株式会社Screenホールディングス | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
Non-Patent Citations (1)
Title |
---|
酒井 薫,特徴空間の再帰的分割に基づく半導体欠陥検査手法,電子情報通信学会技術研究報告 Vol.106 No.229,日本,社団法人電子情報通信学会,2006年09月01日,PRMU2006-69 (2006-09),P.65-72 |
Also Published As
Publication number | Publication date |
---|---|
JP2020052474A (ja) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10818000B2 (en) | Iterative defect filtering process | |
JP4253522B2 (ja) | 欠陥分類方法及び装置 | |
JP6669453B2 (ja) | 画像分類装置および画像分類方法 | |
JP6063756B2 (ja) | 教師データ作成支援装置、教師データ作成装置、画像分類装置、教師データ作成支援方法、教師データ作成方法および画像分類方法 | |
JP6472621B2 (ja) | 分類器構築方法、画像分類方法および画像分類装置 | |
JP6113024B2 (ja) | 分類器取得方法、欠陥分類方法、欠陥分類装置およびプログラム | |
JP2018045673A (ja) | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 | |
CN114155181B (zh) | 检查方案的自动优化 | |
JP2011214903A (ja) | 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム | |
CN112528975A (zh) | 工业质检方法、装置和计算机可读存储介质 | |
KR20210042997A (ko) | 반도체 제조에서 확률적 불량 메트릭의 사용 | |
KR20220012217A (ko) | 반도체 시편에서의 결함들의 기계 학습 기반 분류 | |
JP2014070944A (ja) | 教師データ検証装置、教師データ作成装置、画像分類装置、教師データ検証方法、教師データ作成方法および画像分類方法 | |
JP2016191589A (ja) | 欠陥分類装置および欠陥分類方法 | |
JP6530688B2 (ja) | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 | |
JP2020119135A (ja) | 画像評価装置及び方法 | |
JP2014137284A (ja) | 教師データ作成支援装置、教師データ作成装置、画像分類装置、教師データ作成支援方法、教師データ作成方法および画像分類方法 | |
JP7120528B2 (ja) | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 | |
JP2006292615A (ja) | 外観検査装置、外観検査方法、コンピュータを外観検査装置として機能させるためのプログラムおよび記録媒体 | |
TW202125405A (zh) | 分類裝置及圖像分類系統 | |
JP6632124B2 (ja) | 画像分類方法および画像分類装置 | |
JP2020052475A (ja) | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 | |
JP2016051429A (ja) | 教師データ作成支援方法、画像分類方法、教師データ作成支援装置および画像分類装置 | |
JP2004163416A (ja) | 欠陥検査装置 | |
JP7206892B2 (ja) | 画像検査装置、画像検査のための学習方法および画像検査プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210618 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220623 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220705 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220725 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7120528 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |