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上海光学精密机械研究所申请的专利基于预训练深度卷积神经网络的迁移学习光刻坏点检测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：CN114511009B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210054709.4，技术领域涉及：G06V10/82；该发明授权基于预训练深度卷积神经网络的迁移学习光刻坏点检测方法是由廖陆峰;李思坤;王向朝设计研发完成，并于2022-01-18向国家知识产权局提交的专利申请。

本基于预训练深度卷积神经网络的迁移学习光刻坏点检测方法在说明书摘要公布了：一种基于预训练深度卷积神经网络的迁移学习光刻坏点检测方法。本发明采用预训练的VGG卷积神经网络作为模型，将下采样的版图图形数据作为模型输入，采用交叉熵损失作为模型训练的损失函数，从而训练得到适用于光刻坏点检测的模型。本发明可以有效提升检测坏点检测结果的查准率和F1分数，在查全率、查准率和F1分数获得良好的综合表现。

本发明授权基于预训练深度卷积神经网络的迁移学习光刻坏点检测方法在权利要求书中公布了：1.一种基于预训练深度卷积神经网络的迁移学习光刻坏点检测方法，其特征在于，包括如下步骤： 步骤1.准备预训练图形数据集A和数据格式为GDS或OAS的集成电路版图数据集B，其中版图数据集B包含坏点版图数据和非坏点版图数据； 步骤2.将版图数据集B转换为图形数据集C，并进行预处理； 步骤3.选择范围为VGG11、VGG13或VGG19网络作为模型M0； 步骤4.使用图形数据集A对模型M0进行训练，通过BP神经网络算法优化模型参数，得到预训练模型M； 步骤5.基于预训练模型M，将模型输出维度调整为2，并固定全部或者部分卷积层的权重，获得模型M1； 步骤6.基于图形数据集C，对模型M1进行训练，训练收敛后获得模型M2； 步骤7.采用训练好的模型M2进行坏点检测； 在步骤6中模型M1进行训练包含以下内容： 步骤6.1将图形数据集C划分为小批次数据； 步骤6.2采用交叉熵损失作为模型的损失函数，其中n为图形数据集C分类总数，pi为样本在分类i的实际概率，qi为样本在分类i的模型输出概率；由于坏点检测属于二分问题，交叉熵损失具体为Lossbinary＝-[p1logq1+1-p1log1-q1]； 步骤6.3逐个将小批次数据作为模型M1的输入，计算每个批次的交叉熵损失其中m为每个批次中数据的数量；采用梯度下降法更新模型M1的权重其中Wi为第i次迭代的模型M1的权重，αi为第i次迭代的学习率，学习率在训练过程中动态调整，每经过j次迭代后调整为上一次的1N，即当remi,j＝0时，其中j和N为正整数； 步骤6.4判断模型M1是否达到收敛条件，如是则执行6.5，否则执行6.3； 步骤6.5获得训练好的模型M2。

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上海光学精密机械研究所，其通讯地址为：201800 上海市嘉定区清河路390号；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”。