인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This paper proposes a data augmentation–based oversampling technique to mitigate severe class imbalance and improve the classification performance of wafer map defect patterns in semiconductor manufacturing. Using the publicly available WM-811k dataset, the training data—excluding the dominant None class—are augmented to match different proportions of the None class (0%, 25%, 50%, and 100%) in order to determine the most effective augmentation level. Three deep learning models— DenseNet121, EfficientNet-B2, and ResNet50—are employed for performance benchmarking. In addition to overall accuracy, evaluation metrics that account for class imbalance, namely the Geometric Mean (GM) and Weighted Geometric Mean (GM+), are used to assess model effectiveness. Experimental results show that ResNet50 yields the most stable performance in terms of GM+, and that 50% augmentation achieves comparable results to full (100%) augmentation, indicating that excessive augmentation may be unnecessary. These findings suggest that rotation-based oversampling tailored to the characteristics of wafer maps significantly enhances defect pattern classification and can support the development of machine-learning-based defect analysis systems in semiconductor manufacturing.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094557529
