集成电路版图热点检测网络训练及热点检测方法技术

一种集成电路版图热点检测网络训练及热点检测方法包括如下步骤：获取模型训练数据集；依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络；依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络；依据所述特征模型及所述候选框模型进行热点版图提取训练获得热点范围提取卷积神经网络；获取待检测的集成电路版图，依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图，依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的候选框模型，依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。

【技术实现步骤摘要】
集成电路版图热点检测网络训练及热点检测方法
本专利技术涉及一种集成电路版图热点检测网络训练及热点检测方法、使用上述方法的电子装置及计算机可读存储介质、及集成电路版图热点检测网络训练及热点检测系统。
技术介绍
随着集成电路技术的发展，集成电路版图被广泛的引用。但随着集成电路版图工艺节点的推进和设计复杂度的增加，即便应用更为激进的OPC(OpticalProximityEffect)和分辨率增强技术以补偿版图转移失真，版图制造之后的系统缺陷也越来越多。制造者与设计者之间仅仅通过版图设计规则DRC(DesignRuleCheck)沟通是远远不够的，制造者需要总结各种生产过程中的偏差与缺陷对电路性能以及成品率的影响，将更多生产制造相关的信息反馈给设计者，以指导其版图设计。现阶段，基于热点库和模式识别的热点检测方案仅能预测库内热点版图，建立相对完善的热点库也是一项庞大的工程。为克服热点库局限性，实现未知热点预测，基于SVM的机器学习方法可实现较好的检测结果，但仍需要人工抽取海量版图特征以训练有效模型。
技术实现思路
随着计算机视觉的高速发展，集成电路版图热点检测背后错综复杂的生产制造信息可考虑交由深度学习网络理解，实现未知热点的检测，有鉴于此，本专利技术提出一种集成电路版图热点检测网络训练及热点检测方法、使用上述方法的电子装置及计算机可读存储介质、及集成电路版图热点检测网络训练及热点检测系统，用于实现集成电路版图设计阶段实现对未知热点的检测从而对芯片制造时表面热点缺陷的预判，为集成电路版图设计者提供及时有效的设计指导。一种集成电路版图热点检测网络训练及热点检测方法，其包括如下步骤：获取模型训练数据集，所述模型训练数据集包括热点版图与非热点版图；依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型；依据所述特征模型及所述候选框模型进行热点版图提取训练获得热点范围提取卷积神经网络，所述热点范围提取卷积神经网络包括热点范围模型；获取待检测的集成电路版图，依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图，依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型，依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。在一种实施方式中，在依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络的步骤之前，所述方法还包括对所述模型训练数据集的热点版图进行数据增强以协调所述热点版图与非热点版图之间的差距。在一种实施方式中，所述对所述模型训练数据集的热点版图进行数据增强的步骤包括对所述模型训练数据集的热点版图进行旋转、反射、及/或平移准换。在一种实施方式中，提供待检测的集成电路版图的步骤中，所述待检测的集成电路版图以图片像素点的方式输入。在一种实施方式中，所述热点范围提取卷积神经网络与所述候选框提取卷积神经网络共享所述特征提取卷积神经网络。一种集成电路版图热点检测网络训练方法，其包括如下步骤：获取模型训练数据集，所述模型训练数据集包括热点版图与非热点版图；依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型；依据所述特征模型及所述候选框模型进行热点版图提取训练获得热点范围提取卷积神经网络，所述热点范围提取卷积神经网络包括热点范围模型，所述热点范围提取卷积神经网络用于输出待检测的集成电路版图的热点检测结果。一种集成电路版图的热点检测方法，其包括如下步骤：获取待检测的集成电路版图，依据特征提取卷积神经网络获得所述待检测的集成电路版图的特征图，依据候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型，依据热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。一种电子装置，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序所述计算机程序在被所述处理器执行时实现上述任意一方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一方法的步骤。一种集成电路版图热点检测网络训练及热点检测系统，其包括：特征提取模块，用于获取具有热点版图与非热点版图的模型训练数据集以及依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；候选框提取模块，用于依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型；及分类与回归模块，用于依据所述特征模型及所述候选框模型进行热点版图提取训练获得具有热点范围模型的热点范围提取卷积神经网络、获取待检测的集成电路版图、依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图、依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型、以及依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。相较于现有技术，本专利技术集成电路版图热点检测网络训练及热点检测方法、使用上述方法的电子装置及计算机可读存储介质、及集成电路版图热点检测网络训练及热点检测系统中，通过卷积神经网络充分发挥深度学习对复杂高维集成电路版图生产制造信息的理解，实现对未知热点的检测，为集成电路版图设计者提供及时有效的设计指导。此外，本专利技术还可以克服现有版图热点库的检测方法的局限性，避免了热点库检测阶段版图抽取版图特征的复杂预处理操作，同时版图热点判定时无需版图全局扫描，通过卷积网络判定候选框，减小预测计算量，可提高检测效率。附图说明图1是本专利技术一较佳实施方式的集成电路版图热点检测网络训练及热点检测方法的流程图。图2是图1所示方法使用的三种卷积神经网络的关系示意图。图3是图1所示方法输出的具有热点版图范围的热点版图检测结果。图4是本专利技术一较佳实施方式的集成电路版图热点检测网络训练及热点检测系统的结构示意图。图5是本专利技术一较佳实施方式的电子装置的结构示意图。主要元件符号说明集成电路版图热点检测网络训练及热点检测系统10热点版图范围R特征提取模块11候选框提取模块12分类与回归模块13电子装置20存储器21处理器22通信装置23步骤S1-S5如下具体实施方式将结合上述附图进一步说明本专利技术。具体实施方式下面将结合本专利技术具体实施方式中的附图，对本专利技术具体实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。以下所描述的实施方式仅仅是示意性的，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。系统权利要求中陈述的多个模块或装置也可以本文档来自技高网...

【技术保护点】
1.一种集成电路版图热点检测网络训练及热点检测方法，其特征在于：所述方法包括如下步骤：获取模型训练数据集，所述模型训练数据集包括热点版图与非热点版图；依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型；依据所述特征模型及所述候选框模型进行热点版图提取训练获得热点范围提取卷积神经网络，所述热点范围提取卷积神经网络包括热点范围模型；获取待检测的集成电路版图，依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图，依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型，依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。

【技术特征摘要】
1.一种集成电路版图热点检测网络训练及热点检测方法，其特征在于：所述方法包括如下步骤：获取模型训练数据集，所述模型训练数据集包括热点版图与非热点版图；依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型；依据所述特征模型及所述候选框模型进行热点版图提取训练获得热点范围提取卷积神经网络，所述热点范围提取卷积神经网络包括热点范围模型；获取待检测的集成电路版图，依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图，依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型，依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。2.如权利要求1所述的方法，其特征在于：在依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络的步骤之前，所述方法还包括对所述模型训练数据集的热点版图进行数据增强以协调所述热点版图与非热点版图之间的差距。3.如权利要求2所述的方法，其特征在于：所述对所述模型训练数据集的热点版图进行数据增强的步骤包括对所述模型训练数据集的热点版图进行旋转、反射、及/或平移准换。4.如权利要求1所述的方法，其特征在于：提供待检测的集成电路版图的步骤中，所述待检测的集成电路版图以图片像素点的方式输入。5.如权利要求1所述的方法，其特征在于：所述热点范围提取卷积神经网络与所述候选框提取卷积神经网络共享所述特征提取卷积神经网络。6.一种集成电路版图热点检测网络训练方法，其特征在于：所述方法包括如下步骤：获取模型训练数据集，所述模型训练数据集包括热点版图与非热点版图；依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；依据所述特征模型进行候选框提取...

【专利技术属性】
技术研发人员：张远航，赵西金，胡滨，张春，邓仰东，赵强，
申请(专利权)人：珠海市睿晶聚源科技有限公司，
类型：发明
国别省市：广东,44