典型文献
Yolo神经网络在集成电路焊盘布局规则检测上的应用研究
文献摘要：
为探索深度学习在集成电路设计自动化上的应用,以电源和接地焊盘的排列规则作为检查案例,研究了Yolo v3神经网络在版图检查上的可行性.采用Python脚本批量生成版图样本图片,并使用LabelImg进行标签标记.使用TensorFlow框架编写了基于Yolo v3的版图检查器.结果显示,版图检查器在判断焊盘布局正确性上实现了高精确率与高召回率.此外,还通过调整版图的大小、形状、对称性与焊盘数目的方式对检查器进行了进一步测试.检查器仍表现卓越,体现出良好的扩展性.研究表明Yolo v3可以很好地找出焊盘布局的错误.深度学习在集成电路版图检查中的潜力大,值得继续探索.
文献关键词：
集成电路;电子设计自动化;版图检查;深度学习;神经网络
中图分类号：
作者姓名：
林纯熙;粟涛
作者机构：
北京邮电大学 国际学院,北京100001;中山大学 电子与信息工程学院,广东 广州510006
文献出处：
引用格式：
[1]林纯熙;粟涛-.Yolo神经网络在集成电路焊盘布局规则检测上的应用研究)[J].电子技术应用,2022(07):40-43,48
A类：
版图检查
B类：
Yolo,集成电路设计,查案,v3,Python,脚本,图样,LabelImg,TensorFlow,精确率,召回率,整版,步测,扩展性,电子设计自动化
AB值：
0.236775
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
