CN119091441B 无监督扫描电子显微镜图像的失真矫正匹配方法和系统 （浙江大学）

无监督扫描电子显微镜图像的失真矫正匹本发明公开了一种无监督扫描电子显微镜版图文件包含SEM图像中的相应区域；利用无监督SEM图案位置提取模型将SEM图像转换为参考版图风格图像，得到携带SEM图像中图案位置信匹配，根据设计版图文件中与SEM图像相匹配的所述矫正后的SEM图像与匹配版图用于晶圆的热点检测和轮廓分析。本发明解决了晶圆SEM图像2利用无监督SEM图案位置提取模型将SEM图像转换为参考版图风格图像，得到携带SEM是基于CycleGAN模型的双生成器双鉴别器网络结构，在无监督SEM图案位置提取模型的训获取SEM图像经过第一个生成器中的第k层编码器的输出结果获取伪参考版图经过第二个生成器中的第k层编码器的输出结果，将输出结果投影至将SEM图像进行水平一垂直翻转，将翻转前后的SEM图像通过第一生将伪参考版图进行水平一垂直翻转，将翻转前后的伪参考版图通过将SEM图像的HV翻转不变性损失和伪参考版图的HV翻转不变性损失之和作为最终的HV采用光流法计算所述假参考版图与所述匹配版图之间的形变图，利用形变图矫正SEM所述矫正后的SEM图像与匹配版图用于晶圆的热点检测和2.根据权利要求1所述的一种无监督扫描电子显微镜图像的失真矫正匹配方法，其特3.根据权利要求2所述的一种无监督扫描电子显微镜图像的失真矫正匹配方法，其特34.根据权利要求2所述的一种无监督扫描电子显微镜图像的失真矫正匹配方法，其特5.根据权利要求1所述的一种无监督扫描电子显微镜图像的失真矫正匹配方法，其特6.根据权利要求1所述的一种无监督扫描电子显微镜图像的失真矫正匹配方法，其特7.根据权利要求1所述的一种无监督扫描电子显微镜图像的失真矫正匹配方法，其特参考版图匹配模块，其用于利用无监督SEM图案位置提取模型将S图案位置提取模型的训练过程中引入边缘对比学习损失和HV翻获取SEM图像经过第一个生成器中的第k层编码器的输出结果获取伪参考版图经过第二个生成器中的第k层编码器的输出结果，将输出结果投影至将SEM图像进行水平一垂直翻转，将翻转前后的SEM图像通过第一生将伪参考版图进行水平一垂直翻转，将翻转前后的伪参考版图通过4将SEM图像的HV翻转不变性损失和伪参考版图的HV翻转不变性损失之和作为最终的HVSEM图像矫正模块，其用于采用光流法计算所述假参考版图与所述匹配版图之间的形应用模块，其用于利用所述矫正后的SEM图像与匹配版图实现晶圆的热点检测和轮廓5种光刻机光源波长和制造节点尺寸之间的差异仍然可能导致制造缺陷，也被称作光刻热时间并提高灵敏度。同时，D2DB还广泛用于掩模版检测、光刻临近效应矫正优化过程等。[0003]现有的方案主要依赖于提取SEM图像和设计文件的轮廓，通过最小化轮廓误差或真实SEM图像进行比较以进行D2DB检查，或使用改进的pix2pix模型将SEM图像转换为类似量验证工作。为了解决这一问题，有学者提出采用CycleGAN进行不配对的SEM图像风格迁损失促使重建图像与输入图像匹配。然而，由于合成图像与输入图像之间缺乏直接约束，6[0006]第一方面，本发明提出了一种无监督扫描电子显微镜图型是基于CycleGAN模型的双生成器双鉴别器网络结构，在无监督SEM图案位置提取模型的训练过程中引入边缘对比学习损失和HV翻转[0016]获取伪参考版图经过第二个生成器中的第k层编码器的输出结果，将输出结果投量T中的第i维特征；7[0024]将伪参考版图进行水平_垂直翻转，将翻转前后的伪参考版图通过第二生成器转[0025]将SEM图像的HV翻转不变性损失和伪参考版图的HV翻转不变性损失之和作为最终[0028]第二方面，本发明提出了一种无监督扫描电子显微镜图对生成的参考版图和设计版图文件进行图像匹配，随后结合光流法计算对SEM图像中的单各项指标上均超越了领域内通用的pix2pix等全监督方法以及当前业界先进的无监督风格8体来说，SPPE_GAN模型通过计算输入SEM图像和生成参考版图的特征块的对比学习损失来[0042]如图1所示，无监督扫描电子显微镜图像的失真矫正匹配方法，主要包括以下步[0048]SPPE_GAN模型以其双生成器网络和鉴别器为特征，旨在促进SEM图像领域和伪参考版图领域之间的转换。SPPE_GAN模型的训练策略涉及学习两个双向映射的生成器网络：9全局上下文特征再经过两个连续的1x1卷积层，第一则试图区分源域图像和目标域图像，生成器试图最小化源域图像和目标域图像之间的损[0063]Lac=[0069]为了增强特征提取，本发明通过两个投影器从生成器的编码器层中提取特征向[0070]本发明为了构建用于对比学习的正负对，将SEM图像经过生成器GXY中的编码器并同样选择第n个卷积层经投影器HY提取示为：,为t;和s:之间的夹角。边缘对比损失在正样本中添加了一个附加携带SEM图像中图案位置信息的假参考版图，将生成的假参考版图与设计版图文件进行精[0081]在本发明的一项具体实施中，利用SPPE_GAN模型生成携带SEM图像中图案信息的配版图和矫正后的SEM图像对用于后续的热点检接将匹配版图和SEM图像对用于后续的热点检测和轮廓分析，需要对SEM图像进行畸变矫模型生成的假参考版图中携带了SEM图像中图案位置和畸变信息，因此本发明通过计算生成的假参考版图与匹配版图之间的形变图来矫正SEM图考版图和匹配版图间的一些相似性标准来搜索使得假参考版图经过变换T后与匹配版图相[0085]在本发明的一项具体实施中，利用基于Farneback稠密光流方法获得的生成的假到其轮廓，计算匹配版图或伪参考版图轮廓scps与SEM图像轮廓sse的交并比，即但使用SIFT和FLANN算法得到的匹配版图轮廓IOU较低。这可能是由于生成的假参考版图是单边的GAN模型，舍弃了CycleGAN的对偶结构，DistanceGAN使用了性能最优的以参考版图均以50%透明度设置重叠的效果图，第三行和第四行分别是第二行中两个框内区在面积IOU上本发明的模型也获得了最高的分数。使用伪参考版图和匹配版图分别计算了无监督SEM图案位置提取模型是基于CycleGAN模型的双生成器双鉴别器网络结构，在无监督SEM图案位置提取模型的训练过程中引入边缘对比学习损失和HV翻转[0098]SEM图像矫正模块，其用于采用光流法计算所述假参考