买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院光电技术研究所申请的专利基于Unet深度卷积网络的超分辨光刻光学邻近效应修正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117196978B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311144154.3，技术领域涉及：G06T5/80；该发明授权基于Unet深度卷积网络的超分辨光刻光学邻近效应修正方法是由罗先刚;尹格;张舒行;孔维杰;王长涛;赵泽宇设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本基于Unet深度卷积网络的超分辨光刻光学邻近效应修正方法在说明书摘要公布了：本公开提供一种基于Unet深度卷积网络的超分辨光刻光学邻近效应修正方法，包括：对设计图形进行光学邻近效应修正，得到由设计图形数据和对应的优化掩模图形数据组成的已知数据对，并拆分为训练集与验证集；将训练集中的设计图形数据分批次输入至Unet网络中，得到训练相关的预测图形数据；计算训练损失值，并更新Unet网络的权重参数；将验证集中的设计图形数据输入至更新后的Unet网络中，得到验证相关的预测图形数据；计算训练损失值和IOU值；判断训练损失值和IOU值是否满足相应预设条件或当前训练次数是否达到预设训练次数；若是，由当前更新权重参数后的Unet网络为训练后的Unet网络；将待优化的设计图形输入至训练后的Unet网络，得到预测修正后的掩模图形数据。

本发明授权基于Unet深度卷积网络的超分辨光刻光学邻近效应修正方法在权利要求书中公布了：1.一种基于Unet深度卷积网络的超分辨光刻光学邻近效应修正方法，其特征在于，包括： S1，对设计图形进行光学邻近效应修正，并进行像素化处理，得到由设计图形数据和对应的优化掩模图形数据组成的已知数据对；将所述已知数据对拆分为训练集与验证集； S2，将所述训练集中的设计图形数据分批次输入至Unet深度卷积网络中，得到训练相关的预测图形数据； S3，对于每批次根据所述训练相关的预测图形数据和对应的优化掩模图形数据计算第一训练损失值，并根据所述第一训练损失值更新所述Unet深度卷积网络的权重参数； S4，将所述验证集中的设计图形数据输入至更新后的Unet深度卷积网络中，得到验证相关的预测图形数据； S5，根据所述验证相关的预测图形数据和对应的优化掩模图形数据计算第二训练损失值和并集交叉值； S6，判断所述第二训练损失值和并集交叉值是否满足相应预设条件或者当前训练次数是否达到预设训练次数；若否，重复所述S2~S6进行训练；若是，由当前更新权重参数后的Unet深度卷积网络为训练后的Unet深度卷积网络； S7，将待优化的设计图形输入至训练后的Unet深度卷积网络，得到预测修正后的掩模图形数据，完成超分辨光刻光学邻近效应修正。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院光电技术研究所，其通讯地址为：610209 四川省成都市双流350信箱；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。