基于二进制神经网络和图神经网络的光刻热点检测数据集

基于二进制神经网络和图神经网络的光刻热点检测数据集包含三种光刻热点检测方法的预处理数据与测试结果：
1. 深度学习方法：DCT特征数据（dc.csv, ac1.csv–ac31.csv）及标签；
2. 二进制神经网络方法：PNG图像文件及train.txt/test.txt标签文件；
3. 图神经网络方法：图结构数据（edge_index, edge_attr, x, clip_label等）以PyTorch格式存储。具体结构如下：
第1级目录：2020YFA0711903-001-基于二进制神经网络和图神经网络的光刻热点检测数据集/
子文件夹关系：根目录
文件夹包含①对比深度神经网络方法测试及输出结果数据集/；②基于二进制神经网络方法测试及输出结果数据集/；③基于图神经网络方法测试及输出结果数据集/；④2020YFA0711903-001-基于二进制神经网络和图神经网络的光刻热点检测数据集数据论文；⑤2020YFA0711903-001-基于二进制神经网络和图神经网络的光刻热点检测数据集数据说明文件。
第2级目录：对比深度神经网络方法测试及输出结果数据集/
子文件夹关系：对应于任务书中课题三的三个研究内容所生成的数据文件。
第2级目录：对比深度神经网络方法测试及输出结果数据集/
对比深度神经网络方法训练的数据集文件：对比深度神经网络方法train.zip
对比深度神经网络方法测试的数据集文件：对比深度神经网络方法test.zip
对比深度神经网络方法测试输出的log文件：对比深度神经网络方法dlhsd_test.log
压缩文件对比深度神经网络方法train.zip和对比深度神经网络方法test.zip中包括
用csv格式存储的所有的测试图形的DCT变换的直流数据：dc.csv
用csv格式存储的所有的测试图形的DCT变换的31个ac数据：ac1.csv-ac31.csv
对应的数据的标记：label.csv
第2级目录：基于二进制神经网络方法测试及输出结果数据集/
ICCAD 2012测试集转化的png文件格式的图片文件：基于二进制神经网络方法img.tar.gz
每一个图像文件的label
基于二进制神经网络方法训练文件：基于二进制神经网络方法train.txt
基于二进制神经网络方法测试文件：基于二进制神经网络方法test.txt
基于二进制神经网络方法测试的输出log文件：基于二进制神经网络方法bnn_test.log
第2级目录：基于图神经网络方法测试及输出结果数据集/
压缩后的基于图神经网络方法训练数据集文件：基于图神经网络方法train.pt.zip
压缩后的基于图神经网络方法测试数据集文件：基于图神经网络方法test.pt.zip
基于图神经网络方法测试的输出log文件：基于图神经网络方法gnn_test.log
数据集中给出了根据torch格式存储的训练后测试文件，其中数据按下列格式组织：
边的连接关系：data.edge_index
边的特征：data.edge_attr
边的类型：data.edge_type
节点特征：data.x
图的标签：data.clip_label
图的连接关系：edge_index
边和节点的特征：edge_attr/x
边的类型：edge_type
对应的图形的标记：clip_label

搜集汇总

背景与挑战

背景概述

该数据集专注于光刻热点检测，支持深度学习方法、二进制神经网络方法和图神经网络方法，包含预处理数据与测试结果。数据以CSV、PNG、PyTorch等多种格式存储，总大小为580.79MB，适用于集成电路技术领域的可制造性设计研究。