1 |
1
검사 대상의 결함 검사를 고속으로 수행하는 방법에 있어서,상기 검사 대상에 대한 학습 데이터들을 통해 학습된 제1 인공 신경망의 복수의 레이어들의 특징 맵을 이용하여 최종 특징 맵을 생성하는 단계; 및상기 최종 특징 맵 및 상기 학습 데이터들을 통해 학습된 제2 인공 신경망을 이용하여 상기 검사 대상의 결함 검사를 수행하는 단계를 포함하고,상기 제1 인공 신경망은 레이어 수가 많은 신경망이고,상기 제2 인공 신경망은 레이어 수가 적은 신경망인, 방법
|
2 |
2
제1항에 있어서,상기 생성하는 단계는,상기 학습된 제1 인공 신경망의 출력 레이어부터 입력 레이어까지 순차적으로 상기 복수의 레이어들의 특징 맵을 합하여 상기 최종 특징 맵을 생성하는 단계를 포함하는, 방법
|
3 |
3
제2항에 있어서,상기 복수의 레이어들의 특징 맵을 합하여 상기 최종 특징 맵을 생성하는 단계는,상기 복수의 레이어들 내 연속하는 레이어들 중에서 제1 레이어의 특징 맵 크기에 기초하여 상기 연속하는 레이어들 중에서 제2 레이어의 특징 맵의 크기를 조절하는 단계; 및상기 제1 레이어의 특징 맵과 크기가 조절된 특징 맵을 곱하는 단계를 포함하는, 방법
|
4 |
4
제3항에 있어서,상기 제1 레이어는 상기 연속하는 레이어들 중에서 상기 입력 레이어 측에 위치한 레이어이고,상기 제2 레이어는 상기 연속하는 레이어들 중에서 상기 출력 레이어 측에 위치한 레이어인, 방법
|
5 |
5
제3항에 있어서,상기 제2 레이어가 상기 출력 레이어가 아닌 경우,상기 제2 레이어의 특징 맵은,상기 복수의 레이어들 중에서 상기 출력 레이어부터 상기 제2 레이어까지의 특징 맵들이 합산된 특징 맵인, 방법
|
6 |
6
검사 대상의 결함 검사를 고속으로 수행하는 장치에 있어서,인스트럭션들을 포함하는 메모리; 및상기 인스트럭션들을 실행하기 위한 컨트롤러를 포함하고,상기 컨트롤러는,상기 검사 대상에 대한 학습 데이터들을 통해 학습된 제1 인공 신경망의 복수의 레이어들의 특징 맵을 이용하여 최종 특징 맵을 생성하고, 상기 최종 특징 맵 및 상기 학습 데이터들을 통해 학습된 제2 인공 신경망을 이용하여 상기 검사 대상의 결함 검사를 수행하고, 상기 제1 인공 신경망은 레이어 수가 많은 신경망이고, 상기 제2 인공 신경망은 레이어 수가 적은 신경망인, 장치
|
7 |
7
제6항에 있어서,상기 컨트롤러는,상기 학습된 제1 인공 신경망의 출력 레이어부터 입력 레이어까지 순차적으로 상기 복수의 레이어들의 특징 맵을 합하여 상기 최종 특징 맵을 생성하는, 장치
|
8 |
8
제7항에 있어서,상기 컨트롤러는,상기 복수의 레이어들 내 연속하는 레이어들 중에서 제1 레이어의 특징 맵 크기에 기초하여 상기 연속하는 레이어들 중에서 제2 레이어의 특징 맵의 크기를 조절하고, 상기 제1 레이어의 특징 맵과 크기가 조절된 특징 맵을 곱하는, 장치
|
9 |
9
제8항에 있어서,상기 제1 레이어는 상기 연속하는 레이어들 중에서 상기 입력 레이어 측에 위치한 레이어이고,상기 제2 레이어는 상기 연속하는 레이어들 중에서 상기 출력 레이어 측에 위치한 레이어인, 장치
|
10 |
10
제8항에 있어서,상기 제2 레이어가 상기 출력 레이어가 아닌 경우,상기 제2 레이어의 특징 맵은,상기 복수의 레이어들 중에서 상기 출력 레이어부터 상기 제2 레이어까지의 특징 맵들이 합산된 특징 맵인, 장치
|