Multi-Scale Wafer Defect Classification Using Convolutional Neural Networks

CNN 을 이용한 Multi-Scale 웨이퍼 결함 분류

본 연구에서는 반도체 테스트 공정 시에 발생하는 데이터인 WBM(Wafer Bin Map)이 불균형하고 다중 크기를 가진다는 특성을 고려하여, 세 가지 이미지 전처리 기법-(1) 리사이즈(Resize), (2) 3-채널 원-핫 인코딩(Pixel-wise One-Hot Encoding), (3) 오토인코더 기반 데이터 증강(Auto-encoder Based augmentation)-을 CNN(Convolution Neural Network) 학습 전에 적용하였다. 이후 배치 정규화(Batch Normalization)와 드롭아웃(Dropout)을 포함한 경량 CNN 을 설계하였다. 이는 전처리 된 이미지의 학습에 적용되어 효과적으로 과적합을 억제하고 94.45%의 테스트 정확도를 달성하였다.