机台腔室监控数据集

陷检测作为半导体生产过程中不可缺失的一环，维持产品良率和稳定生产都起着重要的作用。传统的图形学缺陷检测方法，泛化能力弱并且成本高; 随着深度学习技术的发展越来越多的目标检测、语义分割等技术在缺陷检测以高检测精度和检测速度快，使之在缺陷检测领域大发光彩。基于深度学习的缺陷检测方法，往往是基于监督学习方法。监督学方法对数据集要求比较高，需要高质量、数据量大、分布比较广的数据集。在半导体清洗机台里面存在着大量的缺陷检测场景需要利用目标检测、语义分割为代表的深度学习方法进行检测。当前构建的半导体清洗异常数据集扩充了该领域的数据集，提升缺陷检测算法2%的检测精度。本数据集将为半导体缺陷检测的评估提供数据支持。