자동 결함 분류(Automatic defect classification, ADC) 시스템은 반도체 제조 공정에서 필연적으로 발생하는 결함을 자동으로 분류한다. ADC는 반도체 칩 생산의 수율을 높이고 공정 중 사고를 예방하기 위한 결함 관리의 시작 단계이며, 결함 분류에는 많은 엔지니어의 인력이 필요하지만 ADC는 저비용으로 모든 결함을 분류하는 해답이 될 수 있다. ADC는 주사전자현미경(scanning electron microscopy, SEM)으로 촬영한 웨이퍼 표면의 결함 이미지를 활용한다. SEM 이미지는 결함의 웨이퍼 내 위치와 공정 단계에 따라 다양한 배경을 가질 수 있다. SEM 이미지의 수동 분류는 숙련된 엔지니어를 채용하는 데 따른 상당한 인건비를 필요로 한다. 최근의 ADC 연구에서 양호한 성능이 보고되었음에도 불구하고, 라벨이 없는 이미지의 부족과 다양한 배경은 실제 제조 공정에 ADC를 적용하기 어렵게 만든다. 이러한 문제를 해결하기 위해, 결함 위치지정(defect localization)을 포함한 자동 결함 분류를 본 연구에서 제안한다. 이를 위해 결함 위치지정을 활용하여 다양한 배경의 영향이 달라지는 효과를 감소시키도록, 분류 모델을 특히 설계한다. 결함 위치지정은 객체 탐지 모델을 사용하여 SEM 이미지에서 결함의 영역 정보를 제공한다. 우리는 라벨링 비용을 줄이기 위해 준지도 학습(semi-supervised learning)을 이용하여 분류 모델과 결함 탐지 모델을 설계하고자 하였다. 실험 결과, 감독학습 기반 모델과 비교하여 15개 초과 클래스에 대한 분류 성능이 12.56%(9.82%p) 향상됨을 나타냈다.