基于改进ShuffleNetV2和度量学习的光刻热点检测模型
李子豪
徐辉
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
摘要：针对轻量级模型在光刻热点检测中特征提取能力不足的问题,提出以改进重排网络第 2 版(shuffle net version 2,ShuffleNetV2)为主干网络,引入多尺度双重注意力(multi-scale dual attention,MSDA)模块,同时融合梯度协调机制(gradient harmonizing mechanism,GHM)和基于度量学习思想的加性角度边距(additive angular margin,AAM)的光刻热点检测模型——ShuffleNetV2-MSDA-GHM-AAM(SMGA).该模型提升了对不同尺度上下文信息的建模与感知能力,优化了特征嵌入空间的类间判别性,缓解了数据集的不平衡.在 2012 年国际计算机辅助设计会议(2012 international conference on computer-aided design,ICCAD 2012)数据集上进行实验,结果显示,SMGA 模型在保持98.22%的较高检测召回率的同时,平均误报数量降低到 484 个.该模型为实现集成电路设计阶段的高效、低成本光刻热点检测提供了可行方案,具有重要的工程应用价值和推广前景.
关键词：光刻热点检测ShuffleNetV2多尺度注意力度量学习加性角度边距梯度协调机制
分类号：TN406(微电子学、集成电路（IC）)
资助基金：国家重大科研仪器研制专项基金项目(62027815)
论文发表日期：2025-12-30
在线出版日期：2025-12-10（本平台首次上网日期，不代表文献的发表时间）
页数：6( 523-528 )
英文信息