Enhancing Layout Hotspot Detection Efficiency with YOLOv8 and PCA-Guided Augmentation

要約

このペーパーでは、デザイン ルール チェック (DRC) プロセスの効率とパフォーマンスを向上させることを目的とした、レイアウト ホットスポット検出のための YOLO ベースのフレームワークを紹介します。
私たちのアプローチでは、YOLOv8 ビジョン モデルを利用して、大きなレイアウト画像サイズを扱う場合でも、各レイアウト画像内の複数のホットスポットを検出します。
さらに、パターン マッチングの有効性を高めるために、主成分分析 (PCA) を通じて抽出された情報を使用してレイアウト イメージを拡張する新しいアプローチを導入します。
私たちが提案する手法の中核は、PCA を利用してレイアウト画像から貴重な補助情報を抽出するアルゴリズムです。
この抽出された情報は、追加のカラー チャネルとしてレイアウト イメージに組み込まれます。
この強化により、物体検出アルゴリズムの誤警報率が低減されると同時に、マルチホットスポット検出の精度が大幅に向上します。
ICCAD-2019 ベンチマーク データセットにあるレイアウトから生成された 4 つのデータセットを使用して、フレームワークの有効性を評価します。
結果は、私たちのフレームワークが誤警報率を 7.4\% 未満に維持しながら、約 83% (86%) の精度 (再現率) を達成していることを示しています。
また、研究では、提案された拡張アプローチにより、これまでに見たことのない (NSB) ホットスポットの検出能力が約 10% 向上する可能性があることが示されています。

要約(オリジナル)

In this paper, we present a YOLO-based framework for layout hotspot detection, aiming to enhance the efficiency and performance of the design rule checking (DRC) process. Our approach leverages the YOLOv8 vision model to detect multiple hotspots within each layout image, even when dealing with large layout image sizes. Additionally, to enhance pattern-matching effectiveness, we introduce a novel approach to augment the layout image using information extracted through Principal Component Analysis (PCA). The core of our proposed method is an algorithm that utilizes PCA to extract valuable auxiliary information from the layout image. This extracted information is then incorporated into the layout image as an additional color channel. This augmentation significantly improves the accuracy of multi-hotspot detection while reducing the false alarm rate of the object detection algorithm. We evaluate the effectiveness of our framework using four datasets generated from layouts found in the ICCAD-2019 benchmark dataset. The results demonstrate that our framework achieves a precision (recall) of approximately 83% (86%) while maintaining a false alarm rate of less than 7.4\%. Also, the studies show that the proposed augmentation approach could improve the detection ability of never-seen-before (NSB) hotspots by about 10%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google