画质改善系统及画质改善方法技术方案

提供一种在通过机器学习来进行低画质图像的画质改善的画质改善系统以及画质改善方法中，对于每次拍摄时图像容易变化的试样，也能够以适当的示教信息进行学习的高精度且高可靠性的画质改善系统以及画质改善方法。一种画质改善系统，其进行低画质图像的画质改善，其具备：画质改善部，其进行低画质图像的画质改善；变形预测部，其预测在所输入的低画质图像列中包含的第一低画质图像和与所述第一低画质图像不同的第二低画质图像之间产生的变形量；以及变形修正部，其基于由所述变形预测部预测出的所述变形量来修正对所述第一低画质图像应用所述画质改善部的处理而得到的第一预测图像、所述第二低画质图像、以及对所述第二低画质图像应用所述画质改善部的处理而得到的第二预测图像中的任意一个，进行学习使得所述变形修正部修正后的所述第一预测图像与所述第二低画质图像或所述第二预测图像的损失函数的评价变小，或者使得所述第一预测图像与所述变形修正部修正后的所述第二低画质图像或所述第二预测图像的损失函数的评价变小。小。小。

【技术实现步骤摘要】
【国外来华专利技术】画质改善系统及画质改善方法


[0001]本专利技术涉及利用电子显微镜进行检查或测量的检查/测量装置的结构及其控制，特别涉及一种有效用于容易发生电子束导致的拍摄损伤的半导体晶圆或液晶面板的检查或测量的技术。

技术介绍

[0002]在半导体、液晶面板等的生产线中，若在工序初期产生不良，则之后的工序的作业完全无用，因此在工序的每个主要部位设置检查/测量工序，一边确认/维持一定的成品率，一边进行制造。在这些检查/测量工序中，例如使用应用了扫描型电子显微镜(SEM：Scanning Electron Microscope)的测长SEM(CD
‑
SEM：Critical Dimension
‑
SEM临界尺寸SEM)和缺陷复查SEM(Defect Review
‑
SEM)等。
[0003]在利用电子显微镜进行的检查/测量中，为了提高精度而对多次的拍摄结果进行累积来生成高画质的图像并加以利用。然而，由于拍摄次数的增加导致吞吐量降低，因此要求以尽可能少的拍摄次数生成高画质的图像。
[0004]作为本
的
技术介绍
，例如具有专利文献1那样的技术。在专利文献1中公开了“图像噪声降低方法，其生成包含噪声的训练图像，生成包含比所述训练图像少的噪声的教师图像，构成针对所述训练图像的输入输出相当于所述教师图像的图像的正向传播型神经网络”。
[0005]现有技术文献
[0006]专利文献
[0007]专利文献1：日本特开2019
‑
8599号公报

技术实现思路

[0008]专利技术所要解决的课题
[0009]在上述专利文献1中记载了输入低累积图像，作为示教信息给出高累积图像，根据低累积图像来预测高累积图像的技术。在专利文献1中，从拍摄次数少的低累积图像来预测噪声少的高累积图像。
[0010]然而，在如半导体那样的细微的电路图案的检查或测量时，存在在每次拍摄时在电路图案中产生由电子束照射引起的拍摄损伤，电路形状变形的情况。在这样的情况下，在通过低累积图像的平均图像生成的高画质图像中难以生成适当的示教信息。另外，除了电路形状的变形以外，在多次拍摄中的每次拍摄时产生视野偏移或因带电而引起的亮度变化的情况下，在单纯的平均图像中难以生成适当的示教信息。
[0011]因此，本专利技术的目的在于，提供一种在通过机器学习来进行低画质图像的画质改善的画质改善系统以及画质改善方法中，即使对于每次拍摄时图像容易变化的试样也能够以适当的示教信息进行学习的高精度且高可靠性的画质改善系统以及画质改善方法。
[0012]用于解决课题的手段
[0013]为了解决上述课题，本专利技术是一种进行低画质图像的画质改善的画质改善系统，其特征为具备：画质改善部，其进行低画质图像的画质改善；变形预测部，其预测在所输入的低画质图像列中包含的第一低画质图像和与所述第一低画质图像不同的第二低画质图像之间产生的变形量；以及变形修正部，其基于由所述变形预测部预测出的所述变形量来修正对所述第一低画质图像应用所述画质改善部的处理而得到的第一预测图像、所述第二低画质图像、以及对所述第二低画质图像应用所述画质改善部的处理而得到的第二预测图像中的任意一个，进行学习使得所述变形修正部修正后的所述第一预测图像与所述第二低画质图像或所述第二预测图像的损失函数的评价变小，或者使得所述第一预测图像与所述变形修正部修正后的所述第二低画质图像或所述第二预测图像的损失函数的评价变小。
[0014]另外，本专利技术是一种画质改善方法，其特征为包含以下步骤：(a)取得多个检查图像的步骤；(b)在所述(a)步骤之后，对所取得的检查图像应用画质改善模型，取得针对各检查图像的预测图像的步骤；(c)在所述(b)步骤之后，预测所取得的预测图像间的变形量的步骤；(d)在所述(c)步骤之后，生成基于预测出的变形量，将任意的预测图像变形为针对不同的检查图像的预测图像后的修正预测图像的步骤；(e)在所述(d)步骤之后，使用所生成的修正预测图像和成为修正对象的检查图像来评价画质改善的误差的步骤；(f)在所述(e)步骤之后，更新画质改善模型的参数，使得减小评价出的画质改善的误差的步骤。
[0015]专利技术效果
[0016]根据本专利技术，在通过机器学习来进行低画质图像的画质改善的画质改善系统以及画质改善方法中，实现了一种即使对于每次拍摄时图像容易变化的试样也能够以适当的示教信息进行学习的高精度且高可靠性的画质改善系统以及画质改善方法。
[0017]由此，能够进行迅速且高精度的电子设备的检查和测量。
[0018]通过以下实施方式的说明，上述以外的课题、结构及效果变得明确。
附图说明
[0019]图1概念性地表示本专利技术的画质改善。
[0020]图2是表示本专利技术的实施例1的画质改善模型学习的结构的框图。
[0021]图3是表示本专利技术的实施例1的画质改善系统的结构的框图。
[0022]图4是表示本专利技术的实施例1的画质改善方法(学习阶段)的流程图。
[0023]图5是表示本专利技术的实施例1的画质改善方法(推断阶段)的流程图。
[0024]图6是表示图2的变形预测部的结构的框图。
[0025]图7A概念性地表示本专利技术中的拍摄次数与精度的关系。
[0026]图7B概念性地表示现有技术中的拍摄次数与精度的关系。
[0027]图8表示本专利技术的实施例1的学习用GUI。
[0028]图9表示本专利技术的实施例1的推断用GUI。
[0029]图10是表示本专利技术的实施例2的画质改善模型学习的结构的框图。
[0030]图11是表示图11的变形预测部的结构的框图。
[0031]图12概念性地表示现有技术的画质改善。
具体实施方式
[0032]以下，使用附图对本专利技术的实施例进行说明。另外，对于重复的部分省略其详细的说明。
[0033]实施例1
[0034]为了易于理解本专利技术的画质改善，首先使用图12对现有技术的画质改善进行说明。图12概念性地表示上述专利文献1的画质改善。
[0035]如图12所示，在现有技术中，在拍摄同一试样(例如半导体晶圆)的同一部位而得到的多张(n张)低画质图像中，提取低画质图像1作为修正对象，通过画质改善部进行使用了机器学习的画质改善处理，输出预测图像。另一方面，对于与低画质图像1不同的低画质图像2
‑
n进行累积处理(例如平均化处理)来生成高画质图像，将该高画质图像作为教师图像对低画质图像1的预测图像进行示教。
[0036]如上所述，在该方法中，在如半导体集成电路那样的细微的电路图案的检查或测量时，在每次拍摄时在电路图案中产生由电子束照射引起的拍摄损伤，电路形状有可能变形，难以生成适当的示教信息(高画质图像)。
[0037]接着，参照图1至图9，对本专利技术的实施例1的画质改善系统以及画质改善方法进行说明。图1概念性地表示本专利技术的画质改本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种画质改善系统，其进行低画质图像的画质改善，其特征在于，具备：画质改善部，其进行低画质图像的画质改善；变形预测部，其预测在所输入的低画质图像列中包含的第一低画质图像和与所述第一低画质图像不同的第二低画质图像之间产生的变形量；以及变形修正部，其基于由所述变形预测部预测出的所述变形量来修正对所述第一低画质图像应用所述画质改善部的处理而得到的第一预测图像、所述第二低画质图像、以及对所述第二低画质图像应用所述画质改善部的处理而得到的第二预测图像中的任意一个，进行学习使得所述变形修正部修正后的所述第一预测图像与所述第二低画质图像或所述第二预测图像的损失函数的评价变小，或者使得所述第一预测图像与所述变形修正部修正后的所述第二低画质图像或所述第二预测图像的损失函数的评价变小。2.根据权利要求1所述的画质改善系统，其特征在于，所述变形预测部使用事先设计的变形量数据库来预测所述第一低画质图像中产生的变形量，或者将所述第一低画质图像或所述第一预测图像与所述第二低画质图像或所述第二预测图像作为输入来预测变形量，使得减小变形修正后的两个输入的损失函数的评价。3.根据权利要求1所述的画质改善系统，其特征在于，所述低画质图像列是对同一试样的同一部位进行2次以上拍摄而得到的图像列。4.根据权利要求1所述的画质改善系统，其特征在于，所述变形预测部根据预先保存在变形量数据库中的变形量数据来预测各预测图像间的变形量。5.根据权利要求1所述的画质改善系统，其特征在于，所述画质改善部通过使用了CNN的机器学习来取得针对各低画质图像的预测图像，其中，CNN为卷积神经网络。6.根据权利要求1所述的画质改善系统，其特征在于，所述画质改善系统具备画质改善误差评价部，该画质改善误差评价部使用由所述变形修正部修正后的修正预测图像和成为修正对象的低画质图像来评价画质改善的误差，所述画质改善误差评价部使用基于绝对误差、方差或高斯分布、泊松分布、伽马分布中的任一个的似然函数，来对所述画质改善部的画...

【专利技术属性】
技术研发人员：石川昌义，小松壮太，丰田康隆，筱田伸一，
申请(专利权)人：株式会社日立高新技术，
类型：发明
国别省市：