技术特征：
1.一种测量系统，进行包含预定结构的半导体的图像测量，其特征在于，所述测量系统具备：至少1个处理器，其执行与所述图像测量相关的各种处理；以及输出装置，其输出所述图像测量的结果，所述至少1个处理器执行如下处理：根据半导体的样品图像生成监督数据的处理；基于所述样品图像和所述监督数据生成学习模型的处理；基于所述学习模型，根据与所述半导体相关的输入图像生成区域分割图像的处理；测量处理，使用所述区域分割图像进行图像测量；以及将所述测量处理的结果输出至所述输出装置的处理，所述监督数据是将包含所述样品图像中的所述半导体的结构的标签分配给图像的各像素而得的图像，所述学习模型包含用于根据所述样品图像或所述输入图像推定所述监督数据或所述区域分割图像的参数。2.根据权利要求1所述的测量系统，其特征在于，所述学习模型是在决定分配给所述各像素的所述标签时，参照所述输入图像中的所述各像素的附近区域的机器学习模型。3.根据权利要求1所述的测量系统，其特征在于，所述学习模型是卷积神经网络。4.根据权利要求1所述的测量系统，其特征在于，所述至少1个处理器在生成所述学习模型的处理中，根据比所述输入图像小的尺寸的所述样品图像以及所述监督数据生成所述学习模型的所述参数。5.根据权利要求1所述的测量系统，其特征在于，所述至少1个处理器还执行如下处理：与所述标签对应地将所述区域分割图像进一步划分为图像尺寸较小的小区域，按照该小区域的每个种类进行分组，作为所述测量处理，所述至少1个处理器从所述分组后的每个所述小区域的重心起执行重叠测量。6.根据权利要求1所述的测量系统，其特征在于，所述样品图像包括在不同的拍摄条件下对所述半导体中的同一部位进行多次拍摄而得到的图像的组，所述至少1个处理器根据所述样品图像与所述拍摄条件对应地生成所述监督数据，并基于与所述拍摄条件对应地生成的所述监督数据和所述样品图像来生成所述学习模型。7.根据权利要求6所述的测量系统，其特征在于，在所述不同的拍摄条件下进行拍摄包括改变加速电压来进行拍摄、拍摄不同种类的电子像、或者改变生成不同种类的电子像的合成图像时的合成比率中的至少一个。8.根据权利要求1所述的测量系统，其特征在于，所述至少1个处理器将所述样品图像分割为2个以上的样品图像组，通过对第一样品图像组所包含的图像分配所述标签来生成第一监督数据，并基于所述第一样品图像组的图像和所述第一监督数据来生成中间学习模型，将基于该中间学习模型对所述第一样品图像组
以外的图像组所包含的图像进行推定而生成的监督数据追加到所述第一监督数据中来生成第二监督数据，基于所述样品图像和所述第二监督数据来生成用于应用于所述输入图像的所述学习模型。9.根据权利要求8所述的测量系统，其特征在于，所述至少1个处理器对通过推定所述第一样品图像组以外的图像组所包含的图像而生成的监督数据执行基于统计处理的校正。10.根据权利要求9所述的测量系统，其特征在于，所述至少1个处理器对反复拍摄所述半导体的同一部位而得到的多个图像进行基于所述统计处理的校正。11.根据权利要求9所述的测量系统，其特征在于，所述至少1个处理器在所述样品图像中提取类似度高的部分区域并对该提取出的部分区域进行基于所述统计处理的校正。12.根据权利要求9所述的测量系统，其特征在于，基于所述统计处理的校正是以所述第二监督数据中的分配有所述标签的小区域为单位实施平行移动或几何学变形。13.根据权利要求5所述的测量系统，其特征在于，所述监督数据包括位置信息图像，所述位置信息图像表示从各像素到分配有所述标签的小区域的代表位置的位移量，所述至少1个处理器根据包含所述位置信息图像的所述学习模型，生成所述输入图像的所述区域分割图像和所述位置信息图像，使用所述分组后的小区域中的所述位置信息图像来执行所述重叠测量。14.根据权利要求13所述的测量系统，其特征在于，所述位置信息图像表示使用实施了基于统计处理的校正后的所述监督数据而求出的所述位移量。15.根据权利要求1所述的测量系统，其特征在于，所述至少1个处理器还执行以下处理：变更所述监督数据的布局而生成变更监督数据，并将该变更监督数据追加到布局变更前的所述监督数据中而作为更新监督数据的处理；以及将根据所述变更监督数据推定出的图像追加到所述样品图像中而作为更新样品图像的处理，所述至少1个处理器基于所述更新监督数据和所述更新样品图像，生成所述学习模型。16.根据权利要求15所述的测量系统，其特征在于，所述至少1个处理器考虑所述监督数据所包含的标签间的遮蔽来变更所述监督数据的布局。17.根据权利要求1所述的测量系统，其特征在于，所述测量处理是所述半导体的重叠测量处理、尺寸测量处理、缺陷图案检测处理、或者图案匹配处理。18.一种生成学习模型的方法，该学习模型在进行包含预定结构的半导体的图像测量时使用，其特征在于，所述方法包含：至少1个处理器通过对根据半导体的样品图像得到的区域分割图像分配包含至少1个
测量对象的结构的标签来生成监督数据；以及所述至少1个处理器基于由多层构成的网络结构，使用所述样品图像的所述区域分割图像和所述监督数据，生成所述学习模型，所述学习模型包括用于根据所述样品图像或所述输入图像推定所述监督数据或所述区域分割图像的参数。19.一种存储介质，存储用于使计算机执行生成学习模型的处理的程序，所述学习模型在进行包含预定结构的半导体的图像测量时使用，其特征在于，所述程序使所述计算机执行如下处理：通过对根据半导体的样品图像得到的区域分割图像分配包含至少1个测量对象的结构的标签来生成监督数据的处理；以及所述至少1个处理器基于由多层构成的网络结构，使用所述样品图像的所述区域分割图像和所述监督数据，生成所述学习模型的处理，所述学习模型包括用于根据所述样品图像或所述输入图像推定所述监督数据或所述区域分割图像的参数。
技术总结
本发明提供一种技术，在不参照需要技能的图像处理的参数调整或难以获得的情况的设计图的情况下就能够执行测量处理。本公开的测量系统参照基于根据半导体的样品图像生成的监督数据和样品图像而生成的学习模型，根据具有预定结构的半导体的输入图像(测量目标)生成区域分割图像，并使用区域分割图像执行图像测量。在此，监督数据是对图像的各像素分配了包含样品图像中的半导体的结构的标签而得的图像，学习模型包含用于根据样品图像推定监督数据的参数(参照图1)。据的参数(参照图1)。据的参数(参照图1)。
技术研发人员：弓场龙 酒井计 山口聪
受保护的技术使用者：株式会社日立高新技术
技术研发日：2019.08.30
技术公布日：2022/4/1
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
