龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：因美纳有限公司
摘要：所公开的技术涉及训练卷积神经网络CNN以识别和分类导致过程周期失败的图像生成芯片的区段的图像。所公开的技术包括使用尺寸为J×K的图像生成芯片的区段的标记图像来创建尺寸为M×N的图像的训练数据集。所公开的技术可使用水平和竖直反射沿着定位在M×N帧中的J×K标记图像的边缘填充M×N帧。使用训练数据集进一步训练预训练的CNN。受过训练的CNN可将区段图像分类为正常或描绘失败。所公开的技术可训练根本原因CNN以对导致过程周期失败的区段的过程周期图像进行分类。受过训练的CNN可通过过程失败的根本原因在多个失败类别中对区段图像进行分类。
主权项：1.一种训练卷积神经网络以将由图像生成芯片的区段的图像捕获的基因分型过程识别和分类为成功或失败的方法，包括：使用预训练的所述卷积神经网络来提取图像特征，其中所述预训练的卷积神经网络接受尺寸为M×N的图像；使用小于M×N的尺寸为J×K的标记图像创建训练数据集，所述标记图像描绘基因分型过程成功和失败；所述标记图像来自所述图像生成芯片的区段，将所述J×K标记图像定位在M×N帧中的多个位置处，使用特定J×K标记图像的至少一部分来填充所述特定J×K标记图像的边缘周围，从而填充所述M×N帧；使用所述训练数据集进一步训练所述预训练的卷积神经网络以产生区段分类器；存储所训练的分类器的系数以对来自生产基因分型过程周期的所述图像生成芯片的区段的图像进行识别和分类，由此，独立于所述图像生成芯片的区段的相应基因分型调用率，所训练的分类器能够接受所述图像生成芯片的区段的图像以及将所述基因分型过程分类为成功和失败；以及基于所述基因分型过程被所训练的分类器分类为成功还是失败，处理所述图像生成芯片的区段的图像，作为所述基因分型过程的一部分。
全文数据：
权利要求：
百度查询： 因美纳有限公司 基于深度学习的过程周期图像的根本原因分析
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号