[发明专利]一种自动驾驶场景下脉冲神经网络步长的确定方法和装置

权利要求书

1.一种自动驾驶场景下脉冲神经网络步长的确定方法，其特征在于，包括：

将当前步长设置为步长初始值，将输入数据输入至脉冲神经网络；

当脉冲神经网络输出与所述输入数据匹配的结果数据时，计算脉冲神经网络中各神经元的平均激活率；

提高当前步长的数值，重复执行将输入数据输入至脉冲神经网络的操作，直至确定脉冲神经网络中各神经元的平均激活率满足预设区域收敛条件；

将当前步长的数值作为自动驾驶场景下的脉冲神经网络的目标步长。

2.根据权利要求1所述的方法，其特征在于，计算脉冲神经网络中各神经元的平均激活率，包括：

计算输出时间间隔内，脉冲神经网络中各神经元发放的脉冲数量；

根据各神经元发放的脉冲数量以及输出时间间隔，计算各神经元的平均激活率。

3.根据权利要求1所述的方法，其特征在于，确定脉冲神经网络中各神经元的平均激活率满足预设区域收敛条件，包括：

根据与当前步长匹配的各神经元的平均激活率，以及与历史步长匹配的各神经元的平均激活率，分别确定各神经元的平均激活率曲线；

若平均激活率曲线的斜率小于或等于预设斜率的神经元数量，大于或等于预设神经元数量，则确定当前步长满足收敛条件；

若确定满足收敛条件的当前步长以及历史步长的数量大于或者等于预设步长数量，则确定脉冲神经网络中各神经元的平均激活率满足预设区域收敛条件。

4.根据权利要求1所述的方法，其特征在于，在计算脉冲神经网络中各神经元的平均激活率之后，还包括：

若确定当前步长的数值小于或者等于预设步长阈值，并且提高当前步长的数值之后，当前步长的数值大于预设步长阈值，则将当前步长的数值作为自动驾驶场景下的脉冲神经网络的目标步长。

5.根据权利要求1或4任一所述的方法，其特征在于，将当前步长的数值作为自动驾驶场景下的脉冲神经网络的目标步长之后，还包括：

根据脉冲神经网络输出的与所述输入数据匹配的结果数据，进行目标检测。

6.根据权利要求5所述的方法，其特征在于，所述脉冲神经网络为对卷积神经网络进行转换而得到；

将输入数据输入至脉冲神经网络，包括：

将输入数据输入至编码层，将编码层编码后的输入数据输入至脉冲神经网络；

根据脉冲神经网络输出的与所述输入数据匹配的结果数据，进行目标检测，包括：

将脉冲神经网络输出的与所述输入数据匹配的结果数据输入至解码层，将解码层解码后的结果数据输入至预测头部，得到目标检测结果。

7.一种自动驾驶场景下脉冲神经网络步长的确定装置，其特征在于，包括：

输入数据输入模块，用于将当前步长设置为步长初始值，将输入数据输入至脉冲神经网络；

平均激活率计算模块，用于当脉冲神经网络输出与所述输入数据匹配的结果数据时，计算脉冲神经网络中各神经元的平均激活率；

区域收敛条件判断模块，用于提高当前步长的数值，重复执行将输入数据输入至脉冲神经网络的操作，直至确定脉冲神经网络中各神经元的平均激活率满足预设区域收敛条件；

目标步长确定模块，用于将当前步长的数值作为自动驾驶场景下的脉冲神经网络的目标步长。

8.根据权利要求7所述的装置，其特征在于，区域收敛条件判断模块，包括：

平均激活率曲线确定单元，用于根据与当前步长匹配的各神经元的平均激活率，以及与历史步长匹配的各神经元的平均激活率，分别确定各神经元的平均激活率曲线；

当前步长收敛条件判断单元，用于若平均激活率曲线的斜率小于或等于预设斜率的神经元数量，大于或等于预设神经元数量，则确定当前步长满足收敛条件；

步长数量判断单元，用于若确定满足收敛条件的当前步长以及历史步长的数量大于或者等于预设步长数量，则确定脉冲神经网络中各神经元的平均激活率满足预设区域收敛条件。