RoRD 毕业设计总结：面向 IC 版图的结构感知局部特征匹配

这篇文章整理自我的毕业设计，主题仍然围绕 RoRD 在 IC 版图模式匹配中的落地。相比前几篇阶段性报告，这一次更像一个收束版本：问题定义、方法设计、实验协议、baseline 对比和工程边界都已经放到同一个框架里重新梳理。

为什么这个问题值得做

IC 版图模式匹配的任务，是在大尺寸 layout 中定位与给定 template 相同或结构等价的局部单元。它可以服务于设计复用验证、相似结构检索、异常结构排查、IP 保护、版图审查等流程。

传统流程中一个很直接的问题是：目标实例经常以旋转、镜像和平移形式重复出现。如果把 0、90、180、270 度旋转和镜像都考虑进去，系统往往要对同一模板构造近似 8 种状态并分别搜索。这样做可以覆盖问题，但也会带来更高计算开销和更脆弱的工程流程。

从视觉建模角度看，IC 版图又不同于自然图像。它通常是二值化、弱纹理、强几何约束、高重复密度的数据，语义更多来自线段、折线、拐角、端点、重复单元和拓扑关系。因此，直接迁移自然图像中的局部特征方法并不理想。

本文真正想回答的问题是：

能否让模型直接学习旋转与镜像条件下稳定的版图结构表示，并把这种表示用于大图、多实例检索？

方法总览

整体流程可以分成两部分：模型学习“什么位置值得匹配、如何描述这些位置”，检索流程负责“如何在超大 layout 中高覆盖率地找到所有实例”。

系统输入为模板图像 $T$ 和大版图图像 $L$，输出匹配框集合：

$$\mathcal{R} = \{(b_i, c_i, g_i)\}_{i=1}^{N}$$

其中，$b_i$ 表示第 $i$ 个匹配框，$c_i$ 表示置信度，$g_i$ 表示几何解释信息，例如尺度、旋转或镜像属性。

四通道结构表示

为了让模型更直接看到版图里的结构语义，最终方案没有只使用单通道二值图，而是构造四通道输入：

通道	作用
原始二值通道	保留整体轮廓
骨架通道	保留主干结构与连通关系
角点通道	强化局部转折信息
端点通道	强化结构起止位置

这个设计的核心动机很简单：版图里最有判别力的东西不是纹理，而是拐角、端点、骨架和它们之间的组合关系。四通道表示相当于把这些结构先验显式交给网络。

联合检测与描述子学习

模型采用共享骨干网络，并在其上构建两个分支：

1. 检测分支输出关键点响应图，用来判断哪些位置值得参与匹配。
2. 描述子分支输出局部特征向量，用来描述这些位置的结构语义。

训练阶段使用自监督几何一致性：从版图中裁剪 patch，对其施加旋转、镜像、尺度和光度扰动，同时保留已知变换关系。这样不需要人工关键点标注，也能构造变换前后的正负样本关系。

总损失可以写成：

$$\mathcal{L} = \mathcal{L}_{det} + \lambda \mathcal{L}_{desc}$$

检测损失进一步强调两件事：

$$\mathcal{L}_{det} = \mathcal{L}_{consistency} + \alpha \mathcal{L}_{structure}$$

子项	解决的问题
$\mathcal{L}_{consistency}$	同一个结构在旋转、镜像或平移后是否仍能在对应位置被检测到
$\mathcal{L}_{structure}$	检测响应是否集中在拐角、端点、交汇点等真正有匹配价值的位置

描述子损失则把同源结构拉近、异源结构拉远：

$$\mathcal{L}_{desc} = \sum_{(p,p^+)} \ell_{pos}(D(p), D'(p^+)) + \sum_{(p,p^-)} \ell_{neg}(D(p), D'(p^-))$$

版图里的负样本并不总是“看起来完全不同”的区域，很多时候是局部结构很像但几何上不对应的重复单元。因此，描述子学习必须承担区分重复结构、压制伪对应的任务。

模型与推理配置

主实验采用 VGG16 + FPN 结构：

配置项	设置
输入	4 通道结构图
Backbone	VGG16，首层改为 4 通道输入
FPN 层级	P2 / P3 / P4
FPN 输出通道	256
描述子维度	128
注意力模块	当前实验关闭

训练配置如下：

项目	设置
Patch 尺寸	$256 \times 256$
Batch size	8
学习率	$5\times10^{-5}$
Epoch	50
尺度扰动	$[0.8, 1.2]$
数据增强	亮度/对比度扰动、高斯噪声
训练数据	ICCAD2019 真实样本

推理阶段对大图采用滑动窗口特征提取，再统一映射回全局坐标：

项目	设置
窗口大小	1024
步长	768
匹配尺度	$\{0.75, 1.0, 1.5\}$
关键点响应阈值	0.5
RANSAC 重投影误差阈值	5.0 像素
最小内点数阈值	15

大图多实例检索流程

检索流程并不追求一次性找到全局最优解，而是采用“验证一个实例、屏蔽一个实例、继续搜索剩余实例”的迭代方式：

1. 提取模板特征
2. 通过滑动窗口提取整张 layout 的关键点与描述子
3. 在未屏蔽区域中选择候选关键点
4. 与模板描述子建立初始匹配
5. 使用 RANSAC 做几何验证
6. 若内点数超过阈值，则投影模板框并记录结果
7. 屏蔽已匹配区域，继续搜索下一个实例

这种设计比较适合高重复密度的版图场景。候选点保留得更充分，真正的筛选压力后移到几何验证阶段，从而降低早期阈值误杀目标实例的风险。

实验数据与评价方式

测试集由一张 $18 \times 18$ 阵列规模的大尺寸版图构成，内部包含给定模板的原始状态、离散旋转状态及其镜像状态，共 9 个真值目标。

评价指标包括：

指标	含义
Center-hit Precision	预测框中心落入真实框的比例
Center-hit Recall	被成功命中的真实目标比例
IoU Recall@0.1	IoU 大于 0.1 的真实目标覆盖率
Layout Feature Time	大图特征提取耗时
Match Pipeline Time	匹配与几何验证耗时

主方法结果

在当前测试集上，主方法覆盖全部 9 个目标：

方法	预测数量	Center Precision	Center Recall	IoU Recall@0.1
本文方法	9	1.0	1.0	1.0

关键点响应也符合预期：模型倾向于在拐角、端点和复杂结构交汇处产生响应，而不是平均铺满背景区域。

匹配流程中的几个阶段如下：

从 profile 看，当前系统的主要耗时集中在大图特征提取：

阶段	耗时
Layout 特征提取	25563.531 ms
匹配阶段	1256.519 ms

这说明最值得继续优化的地方不是 RANSAC 或匹配循环，而是首次大图前向特征提取。

Baseline 对比

为了比较不同特征表示对版图任务的适应性，实验加入了 ORB、SIFT、SuperPoint 和 SuperPoint + LightGlue。为了让它们能参与同一个任务，baseline 也补充了滑动窗口、区域屏蔽和迭代搜索外壳。

方法	预测数量	Center Precision	Center Recall	IoU Recall@0.1
本文方法	9	1.0	1.0	1.0
ORB	5	1.0	0.5556	0.5556
SIFT	6	0.8333	0.5556	0.5556
SuperPoint	0	0.0	0.0	0.0
SuperPoint + LightGlue	12	0.0	0.0	0.0

耗时对比如下：

方法	主要流程耗时
本文方法：Layout 特征提取	25563.531 ms
本文方法：Match Pipeline	1256.519 ms
ORB：Sliding Window + Iteration	9185.479 ms
SIFT：Sliding Window + Iteration	56827.718 ms
SuperPoint：Sliding Window + Iteration	2440.836 ms

这组结果可以读出几个现象：

1. ORB 在规则角点较多的二值版图上仍有一定有效性，但对镜像目标与重复结构的全局区分能力不足。
2. SIFT 能命中部分目标，但在弱纹理版图中没有体现出经典自然图像场景下的优势，并且耗时更高。
3. SuperPoint 的自然图像预训练分布与 IC 版图差异较大，在当前设置下没有形成有效候选。
4. LightGlue 依赖前端特征质量；如果输入匹配对本身不适合版图结构，更强的匹配器也难以恢复正确几何定位。
5. 主方法的优势不在于所有阶段都最快，而在于任务完成度、目标覆盖率、旋转镜像适应性和减少显式枚举依赖上的综合表现更稳。

方法边界

当前方案并不是已经解决了所有版图检索问题。它更适合局部结构清晰、拓扑关系明确、复用单元明显的场景。以下情况仍需要继续验证：

1. 跨工艺节点、跨设计风格、跨分辨率的真实工业版图。
2. 极小模板，因为可供建模的局部结构太少。
3. 超高重复结构，因为相似候选之间竞争会更强。
4. 超出当前多尺度范围的尺度差异。
5. 更严格的旋转、镜像不变性消融实验。

从工程定位看，这个版本更适合作为离线版图分析、批量结构检索或辅助审查模块，而不是强实时交互工具。大图滑动窗口特征提取仍然是当前最大的时间瓶颈。

下一步

毕业设计给这个方向建立了一个可运行的闭环：结构表示、局部特征学习、大图搜索、几何验证、多实例迭代和 baseline 比较都已经串起来了。后续最值得继续推进的方向包括：

1. 加速大图滑动窗口特征提取，减少重叠窗口的重复前向计算。
2. 扩充真实测试集，覆盖更多工艺节点、设计风格和版图密度。
3. 做更系统的消融实验，验证四通道输入、结构损失、FPN 和迭代屏蔽各自的贡献。
4. 引入更贴近工业使用习惯的传统版图检索方法作为 baseline。
5. 探索从光栅化输入走向矢量版图输入，在保留结构容错能力的同时降低大图卷积成本。

总体而言，这篇毕业设计证明了一件对我很重要的事情：RoRD 这条线不只是“把自然图像匹配方法搬到版图上”，而是需要把版图的结构先验、几何约束和大图检索流程放在一起重新设计。也正是在这个意义上，它仍然是一个值得继续往下挖的方向。