【技术实现步骤摘要】
本申请涉及集成电路芯片，尤其涉及一种集成电路芯片金属线分割方法、装置及设备。
技术介绍
1、芯片反向分析技术采用自底向上的分析方法，对参考芯片逐层拍照，基于每层图像进行线网提取，然后再通过对网表的层次分析与整理，最后得到参考芯片的设计思想。该技术对于芯片从业人员学习先进设计思想和提高设计经验等具有重要意义。
2、在线网分析过程中，准确地获取芯片上的金属线位置信息是至关重要的一步。然而，芯片中往往含有海量且结构复杂的金属线。此外，即使只是一个微小的不准确都有可能造成集成电路的不正确，因此，此步骤对精度要求较高。仅依靠芯片分析工程师手动勾画是一项无比费时费力的工作。为了减轻芯片分析师的工作量，机器学习技术已经被应用于集成电路芯片金属线的分割来自动化该步骤，比如基于支持向量机的方法。但是，机器学习技术需要人为地设计特征且迁移性较差。
3、深度学习技术能自动提取图像的深度特征，已有大量研究证明利用深度学习技术可以实现更高的准确率和鲁棒性。目前，已有方法通过构建全卷积神经网络对集成电路芯片的电镜图像进行金属线的语义分割。但...
【技术保护点】
1.一种集成电路芯片金属线分割的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的生成对抗网络模型，得到所述电镜图像的初步金属线分割结果图像，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述对于所述初始分割结果图像中的各个轮廓，识别所述各个轮廓中的金属线轮廓，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述若所述轮廓的面积大于或等于第一预设阈值，或者所述轮廓的圆度大于或等于第二预设阈值之后，还包括：
5.根据权利要求1所述的方法，其特征在于，所述预先训练的生成对抗网...
【技术特征摘要】
1.一种集成电路芯片金属线分割的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的生成对抗网络模型，得到所述电镜图像的初步金属线分割结果图像，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述对于所述初始分割结果图像中的各个轮廓，识别所述各个轮廓中的金属线轮廓，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述若所述轮廓的面积大于或等于第一预设阈值，或者所述轮廓的圆度大于或等于第二预设阈值之后，还包括：
5.根据权利要求1所述的方法，其特征在于，所述预先训练的生成对抗网络模型，按照以下方法训练得到：
6.根据权利要求5所述的方法，其特征在于，所述对所述若干训练子图像进行图像预处理，具体包括：
7.根据权利要求6所述的方法，其特征在于，所述窄缝预处理，具体包括：
8.根据权利要求...
【专利技术属性】
技术研发人员：杨熠，周琳，
申请(专利权)人：上海新微技术研发中心有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。