Eintrag in der Universitätsbibliographie der TU Chemnitz
Beuth, Frederik* ; Schlosser, Tobias* ; Friedrich, Michael* ; Kowerko, Danny*
Improving Automated Visual Fault Detection by Combining a Biologically Plausible Model of Visual Attention with Deep Learning
| Universität: | Technische Universität Chemnitz | |
| Förderung: | BMBF | |
| Institut: | Juniorprofessur Media Computing | |
| Dokumentart: | Konferenzbeitrag, referiert | |
| ISBN/ISSN: | 9781728154145 | |
| DOI: | doi:10.1109/iecon43393.2020.9255234 | |
| URL/URN: | https://ieeexplore.ieee.org/document/9255234/ | |
| Quelle: | IECON 2020 - 46th Annual Conference of the IEEE Industrial Electronics Society, 18.-21.10.2020, Singapore, IECON 2020 , S. 5323- 5 330. - IEEE, 2020 | |
| Freie Schlagwörter (Englisch): | Deep Learning , CNNs (Convolutional Neuronal Networks) , Semiconductor Wafer , Semiconductor Defects , Visual attention , Wafer Dicing Inspection |
