JPWO2020250373A5 - - Google Patents

Claims (18)

1. 記憶媒体に記憶されている試料の基準データと前記試料に関する入力データを用いて当該試料に対する検査を行うための画像処理プログラムにおいて、
   前記基準データを受け付けるステップと、
   前記基準データに基づき前記試料に関する特徴量を、畳み込みニューラルネットワークによって算出するステップと、
   前記特徴量に基づいて、当該入力データがとり得る値の確率分布を示す統計量を算出するステップを実行させることを特徴とする画像処理プログラム。
2. 請求項１に記載の画像処理プログラムにおいて、
   さらに、
   前記特徴量を算出するためのパラメータ及び前記統計量を算出するためのパラメータに対する学習の必要性を判断するステップを実行させ、
   前記学習が必要と判断した場合、前記入力データを受け付けるステップと、前記統計量と前記入力データを比較するステップと、前記比較の結果に応じて、前記特徴量を算出するためのパラメータ及び前記統計量を算出するパラメータを変更するステップとを実行させ、
   前記学習が不要と判断した場合、前記特徴量を算出するためのパラメータ及び前記統計量を算出するためのパラメータをモデルデータとして保存するステップを実行させることを特徴とする画像処理プログラム。
3. 請求項１に記載の画像処理プログラムにおいて、
   さらに、
   前記入力データを受け付けるステップと、
   前記統計量と前記入力データを比較するステップと、
   前記比較の結果を用いて、前記試料の評価を行うステップを実行させることを特徴とする画像処理プログラム。
4. 請求項３に記載の画像処理プログラムにおいて、
   前記試料の評価は前記試料に対する欠陥検査、またはプロセス変動に伴う前記試料の形状ばらつき評価であることを特徴とする画像処理プログラム。
5. 請求項１乃至４のいずれかに記載の画像処理プログラムにおいて、
   前記入力データを示す値は、前記試料の形状または物性を示す値であることを特徴とする画像処理プログラム。
6. 請求項３または４に記載の画像処理プログラムにおいて、
   さらに、前記統計量、または前記評価の結果を表示するステップを実行させることを特徴とする画像処理プログラム。
7. 記憶媒体に記憶されている試料の基準データと前記試料に関する入力データを用いて当該試料に対する検査を行うための画像処理装置において、
   前記基準データを受け付ける手段と、
   前記基準データに基づき前記試料に関する特徴量を、畳み込みニューラルネットワークによって算出する手段と、
   前記特徴量に基づいて、当該入力データがとり得る値の確率分布を示す統計量を算出する手段とを有することを特徴とする画像処理装置。
8. 請求項７に記載の画像処理装置において、
   さらに、
   前記特徴量を算出するためのパラメータ及び前記統計量を算出するためのパラメータに対する学習の必要性を判断する手段と、前記入力データを受け付ける手段と、前記統計量と前記入力データを比較する手段と、前記特徴量を算出するためのパラメータ及び前記統計量を算出するパラメータを変更及び保存する手段を有し、
   前記学習が必要と判断した場合、前記比較する手段が、前記統計量と前記入力データを比較し、前記パラメータを変更する手段が、前記特徴量を算出するためのパラメータ及び前記統計量を算出するパラメータを変更し、
   前記学習が不要と判断した場合、前記パラメータを保存する手段が、前記特徴量を算出するためのパラメータ及び前記統計量を算出するためのパラメータをモデルデータとして保存することを特徴とする画像処理装置。
9. 請求項８に記載の画像処理装置において、
   さらに、
   前記入力データを受け付ける手段と、
   前記統計量と前記入力データを比較する手段と、
   前記比較の結果を用いて、前記試料の評価を行う手段を有することを特徴とする画像処理装置。
10. 請求項９に記載の画像処理装置において、
    前記試料の評価は前記試料に対する欠陥検査、またはプロセス変動に伴う前記試料の形状ばらつき評価であることを特徴とする画像処理装置。
11. 請求項７乃至１０のいずれかに記載の画像処理装置において、
    前記入力データを示す値は、前記試料の形状または物性を示す値であることを特徴とする画像処理装置。
12. 請求項９または１０に記載の画像処理装置において、
    さらに、前記統計量、または前記評価の結果を表示する手段を有することを特徴とする画像処理装置。
13. 記憶媒体に記憶されている試料の基準データと前記試料に関する入力データを用いて当該試料に対する検査を行うための画像処理方法において、
    前記基準データを受け付けるステップと、
    前記基準データに基づき前記試料に関する特徴量を、畳み込みニューラルネットワークによって算出するステップと、
    前記特徴量に基づいて、当該入力データがとり得る値の確率分布を示す統計量を算出するステップとを有することを特徴とする画像処理方法。
14. 請求項１３に記載の画像処理方法において、
    さらに、
    前記特徴量を算出するためのパラメータ及び前記統計量を算出するためのパラメータに対する学習の必要性を判断するステップと、
    前記学習が必要と判断した場合、前記入力データを受け付けるステップと、前記統計量と前記入力データを比較するステップと、前記比較の結果に応じて、前記特徴量を算出するためのパラメータ及び前記統計量を算出するパラメータを変更するステップと、
    前記学習が不要と判断した場合、前記特徴量を算出するためのパラメータ及び前記統計量を算出するためのパラメータをモデルデータとして保存するステップを有することを特徴とする画像処理方法。
15. 請求項１３に記載の画像処理方法において、
    さらに、
    前記入力データを受け付けるステップと、
    前記統計量と前記入力データを比較するステップと、
    前記比較の結果を用いて、前記試料の評価を行うステップを有することを特徴とする画像処理方法。
16. 請求項１５に記載の画像処理方法において、
    前記試料の評価は前記試料に対する欠陥検査、またはプロセス変動に伴う前記試料の形状ばらつき評価であることを特徴とする画像処理方法。
17. 請求項１３乃至１６のいずれかに記載の画像処理方法において、
    前記入力データを示す値は、前記試料の形状または物性を示す値であることを特徴とする画像処理方法。
18. 請求項１５または１６に記載の画像処理方法において、
    さらに、前記統計量、または前記評価の結果を表示するステップを有することを特徴とする画像処理方法。