为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
本次报告内容是阐述第一次学术报告中选择的方法后续实现中存在的难点及效率低下的问题，之后我们重新调整研究方法，使用全卷积神经网络直接训练高效的模型，通过以下步骤来更好的解决本次研究的问题：
1、 通过一种步进式裁剪方法对位图数据进行预处理。
2、 通过使用预处理的数据制作带有极性器件标注的数据集。
3、 采用darknet-53作为基础特征提取网络，进行迁移学习来训练本次课题的目标网络。
4、 验证训练好的模型以及测试最终的实际位图中极性器件的检测效果。
最后，我们也介绍了本方法还存在的不足之处以及未来可通过传统目标识别方法和深度学习技术相结合的方式来更好实现PCB位图中极性器件的自动识别。