@techreport{oai:ipsj.ixsq.nii.ac.jp:00237596,
 author = {青山, 智哉 and 杉山, 萌 and 新井, 雅之 and 福本, 聡},
 issue = {2},
 month = {Aug},
 note = {近年，LSI 製造工程で発生するシステマチック欠陥の検出および分類において，機械学習によってウェハマップ画像を分類する手法が多く研究されている．我々は先行研究において CapsNet を用いたウェハマップ欠陥パターン分類法について提案し，単一および複合欠陥モデル上で CNN と比較して高い分類精度を持つことを示した．本研究では，分類精度のさらなる向上を目的として，2 種の手法に関する検討を行った．まず，画像生成による学習用データセットの拡張について検討した．全ての欠陥カテゴリに対して画像を生成した場合と，データ数が少ない一部のカテゴリに対してのみ生成した場合の比較を行った．次にデコーダリサイズに関する検討を行った．CapsNet から出力される再構成画像の画素数が入力画像より小さくなるように CapsNet 内のデコーダネットワークを変更し，欠陥パターン分類精度の評価を行った．},
 title = {CapsNetベースウェハマップ欠陥パターン分類法における分類精度向上の試み～生成画像の適用およびデコーダリサイズの検討～},
 year = {2024}
}