本記事では、長尾分布および非常に不均衡なデータにおけるIC（集積回路）欠陥分類における課題と解決策を提案しています。従来の深層学習手法がリアルなIC欠陥の分類に直面する問題は、産業特有のデータ分布が公に利用される不均衡データセットとは異なり、偏りが大きい点に起因しています。さらに、実際のサンプルは、クラス特有の属性とドメインに依存した属性が混在しており、分類を一層困難にしています。これに対応するために新たに提案されるIC-Defect-14データセットは、実際のIC生産ラインから取得されたもので、特異な「クラス内クラスタ」特性を持ち、幅広いクラス内多様性とクラス間の高い類似性という2つの主要な課題を提示します。これを解決するために、ReCAME-Netという多専門家分類器フレームワークと複数の技術を統合した手法を提案し、従来の最先端モデルを上回るパフォーマンスを示しています。