对芯片生产项目中晶圆片的缺陷模式进行分类与识别，数据规模为10w+。
使用滤波器（中值、模式等）对图像进行降噪处理，使用翻转旋转等操作进行图像数据加强。
使用传统机器学习方法如logistic regression等对晶圆片缺陷进行分类。
使用深度学习神经网络方法如VGGNet、普通深度卷积神经网络（CNN）、引入空洞卷积的CNN、全卷积网络（FCN）等，训练不同模型，不断调整参数优化，进行分类预测。
利用多种神经网络预测结果进行网络投票，得到准确率较高的结果（99.6%）。
下方出售源码。