首页> 外文期刊>Elektronika >Fiducial Markers Recognition on Basis of Neural Network Training Method in Wavelet Transformation Space
【24h】

Fiducial Markers Recognition on Basis of Neural Network Training Method in Wavelet Transformation Space

机译:小波变换空间中基于神经网络训练方法的基准标记识别

获取原文
获取原文并翻译 | 示例
           

摘要

Application of existing hardware-software complexes for controlling of patterns' quality in the conditions of small and average production lots of microelectronics leads to unjustified quality cost increase. In case of lowering of requirements to the software of such complexes, noise on the pattern images inevitably occur, which leads to the decrease of authenticity of discernment of fiducial marks, which are located on the pattern images, and to the decrease of authenticity of control results. Therefore, with the purpose of increase of authenticity of discernment it is proposed to realize discernment of fiducial marks on the bases of nose-eliminating of neural network training in the space of hyperbolic wavelet transformation. Decrease of requirements of technical parameters of equipment used in hardware-software complexes, leads to appearance multiplicative and additive noises on images of templates and cause decreasing reliability of recognition results of fiducial markers. Therefore for increase of credibility of fiducial markers recognition to realize this procedure on a base of noise-immunity neural network training method is offered. The multilayer perceptron was selected as model.%Wykorzystanie istniejących rozwiązań sprzętowo-programowych do kontroli jakości wzorców w przypadkach małych i średnich linii produkcyjnych układów mikroelektronicznych prowadzi do nieuzasadnionych wzrostów kosztów produkcji. W przypadku obniżenia wymagań jakości oprogramowania, szum zawarty w obrazach wzorcowych nieuchronne prowadzi do słabszego wyróżniania zawartych w nich znaczników, co sprzyja pogorszeniu kontroli produkcji. W celu poprawienia pewności rozróżniania znaczników, zaproponowana została metoda eliminacji szumu wykorzystująca sieci neuronowe w przestrzeni hiperbolicznej transformaty falkowej. Obniżenie wymagań parametrów technicznych rozwiązań sprzętowo-programowych prowadzi do pojawiania się szumu multiplikatywnego i addy-tywnego w obrazach wzorcowych i przyczynia się do obniżenia pewności poprawnego rozpoznania markerów obrazowych. W celu poprawy wiarygodności ich wykrycia zaproponowano procedurę bazującą na uczeniu sieci neuronowej. W omawianym rozwiązaniu zastosowany został perceptron wielowarstwowy.
机译:在微电子的小批量和平均产量的情况下,应用现有的硬件-软件复合体来控制图案的质量会导致不合理的质量成本增加。在降低对这种复合物的软件的要求的情况下,不可避免地在图案图像上产生噪声,这导致位于图案图像上的基准标记的辨别力的真实性降低,并且控制的真实性降低。结果。因此,为了提高识别的真实性,提出了在双曲小波变换空间中基于神经网络训练的消鼻子实现基准标记的识别的方法。减少用于软硬件复合体的设备的技术参数的要求,导致模板图像的外观倍增和相加噪声,并导致基准标记识别结果的可靠性下降。因此,为提高基准标记识别的可信度,提供了一种基于噪声免疫神经网络训练方法实现该程序的方法。多层感知器被选为模型。% W przypadkuobniżeniawymagańjakościoprogramowania,szum zawarty w obrazach wzorcowych nieuchronne prowadzi dosłabszegowyróżnianiazawartych w nichznaczników,co sprzyc pogorszeniu kontroli produkc。 W celu poprawieniapewnościrozróżnianiaznaczników,zaproponowanazostałametoda eliminacji szumuwykorzystującasieci neuronowe w przestrzeni hiperbolicznej transformaty falkowej。 Obnieniewymagańparametrówtechnicznychrozwiązańsprzętowo-programowychprowadzi do pojawianiasięszumu multiplikatywnego i addy-tywnego w obrazach wzorcowych iprzyczywónobrazżzówzózózózówózózózá W celu poprawywiarygodnościich wykrycia zaproponowanoprocedurębazującąna uczeniu sieci neuronowej。 W omawianymrozwiązaniuzastosowanyzostał感知器wielowarstwowy。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号