从图像中分析集成电路的网清单,通过图形注意力网络进行分析

科学领域:

• 电气工程 电气工程
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 数字化纸质电路图对于重复使用模拟电路设计和开发智能设计模型至关重要.
• 从模拟电路图像中提取网列表,由于复杂的视觉信息,因此存在重大挑战.

研究的目的:

• 引入一个自下而上的图形编码模型,用于从图像中自动解析模拟集成电路拓.
• 为了提高将模拟电路图表转换为机器可读的网列的准确性和效率.

主要方法:

• 一个使用Swin变压器的增强电子元件检测网络.
• 一个用于精确部件端口定位的算法.
• 一个图形编码模型来预测检测到的组件之间的连接.

主要成果:

• 拟议的模型准确地识别了模拟电路图像中的组件位置,类型和连接.
• 与定制和公共数据集上的现有算法相比,表现出优异的性能.
• 端口本地化算法显著加速了数据集注释速度.

结论:

• 开发的图形编码模型为从图像中提取模拟电路网列的自动化提供了有效的解决方案.
• 这项工作促进了传统电路图的数字化,并支持为人工智能驱动的电子设计自动化创建数据集.