Yolo神經網絡在集成電路焊盤布局規(guī)則檢測上的應用研究
所屬分類：技術論文
上傳者：aetmagazine
文檔大?。?span>576 K
標簽： 集成電路 電子設計自動化 版圖檢查
所需積分：0分積分不夠怎么辦？
文檔介紹：為探索深度學習在集成電路設計自動化上的應用，以電源和接地焊盤的排列規(guī)則作為檢查案例，研究了Yolo v3神經網絡在版圖檢查上的可行性。采用Python腳本批量生成版圖樣本圖片，并使用LabelImg進行標簽標記。使用TensorFlow框架編寫了基于Yolo v3的版圖檢查器。結果顯示，版圖檢查器在判斷焊盤布局正確性上實現(xiàn)了高精確率與高召回率。此外，還通過調整版圖的大小、形狀、對稱性與焊盤數(shù)目的方式對檢查器進行了進一步測試。檢查器仍表現(xiàn)卓越，體現(xiàn)出良好的擴展性。研究表明Yolo v3可以很好地找出焊盤布局的錯誤。深度學習在集成電路版圖檢查中的潛力大，值得繼續(xù)探索。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。