对比文件：2008-01-31_US2008025610A_发明申请_US20080025610A1 TWO TIERED TEXT RECOGNITION
目标专利：726利用神经网络进行目标检测CN107851195B
本次调用的模型：GPT-4
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用（中文翻译） | 公开性论述 |
| **技术特征A**：包括至少一个处理内核、包括计算机程序代码的至少一个存储器，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理内核一起使得所述装置至少：‑ 向包括卷积层集合的人工神经网络的第一卷积层提供输入数据项<br>**《直接公开》** | 对比文件图10及其描述公开了计算机1012包括处理单元1014（处理内核）和系统存储器1016（存储器），以及操作系统和应用程序（计算机程序代码）。【0028】：“该文本识别系统100基于卷积神经网络(CNN)架构操作，该架构如前所述可以进一步包括特征提取层和分类器层。”【0038】：“第一个分类器可以由卷积神经网络组成，其中输入图像被缩放以适应固定大小的网格，同时保持其宽高比。” | 对比文件明确公开了具有处理器和存储器的通用计算机系统，该系统被配置为执行基于CNN的文本识别，其中输入图像被提供给CNN的第一卷积层。本领域技术人员可以毫无疑义地确定该技术特征被直接公开。 |
| **技术特征B**：‑ 在所述卷积层集合中处理所述输入数据项<br>**《直接公开》** | 【0028】：“一般来说，‘卷积层’可以指神经网络的组件，其中一组（例如特征图）在不同位置使用基本上相同的系数或权重集合来修改接收的输入。” | 对比文件直接描述了卷积层对输入数据进行处理，因此该技术特征被直接公开。 |
| **技术特征C**：‑ 在从所述卷积层集合中的最后的卷积层输出的特征图中定义第一特征图补丁和第二特征图补丁<br>**《未公开》** | 对比文件未提及从最后的卷积层输出的特征图中定义特征图补丁。其两个分类器分别基于缩放图像和方向码特征，而非同一特征图的补丁。【0038】：“第一个分类器可以由卷积神经网络组成...第二个分类器可以基于从连接字母（子词群）的方向码提取的特征。” | 对比文件没有公开从同一卷积层输出特征图中定义多个补丁的概念。两个分类器使用不同的特征来源，而非从同一特征图中提取补丁。因此未公开。 |
| **技术特征D**：以及‑ 向第一分类器提供所述第一特征图补丁并且向第二分类器提供所述第二特征图补丁<br>**《未公开》** | 同上，对比文件未公开特征图补丁的提供。 | 对比文件没有公开向分类器提供特征图补丁的操作，因此未公开。 |
| **技术特征E**：其中所述输入数据项包括图像<br>**《直接公开》** | 【0038】：“第一个分类器可以由卷积神经网络组成，其中输入图像被缩放以适应固定大小的网格。”全文涉及文本图像处理。 | 对比文件处理的输入是文本图像，因此输入数据项包括图像被直接公开。 |
| **技术特征F**：其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理内核一起使得所述装置通过组合原始图像的缩放版本集合来导出所述图像<br>**《未公开》** | 【0038】提到“输入图像被缩放”，但仅涉及单次缩放以适应固定网格，未提及组合缩放版本集合。 | 对比文件没有公开组合原始图像的多个缩放版本来导出输入图像，因此未公开。 |
| **技术特征G**：其中所述第一特征图补丁对应于第一尺度，所述第一分类器被布置为在所述第一尺度上操作以执行对象识别，并且所述第二特征图补丁对应于第二尺度，所述第二分类器被布置为在所述第二尺度上操作以执行对象识别<br>**《未公开》** | 对比文件未涉及特征图补丁与尺度的对应关系。其两个分类器分别用于识别PAW（单词子部分）和字母，而非不同尺度。 | 对比文件没有公开多尺度对象识别，其分类器执行不同层级的文本识别任务，而非基于不同尺度的对象识别。因此未公开。 |
| **技术特征H**：其中所述第一分类器包括所述人工神经网络的第一全连接层<br>**《隐含公开》** | 【0028】：“特征提取层的输出可以连接到分类器层。”在CNN架构中，分类器层通常由全连接层实现。 | 虽然对比文件未明确写出“全连接层”，但本领域技术人员根据CNN的通常构造（分类器部分由全连接层组成）可以合理推断第一分类器包括全连接层，因此隐含公开。 |
| **技术特征I**：其中所述第二分类器包括所述人工神经网络的第二全连接层<br>**《隐含公开》** | 【0038】：“两个神经网络PAW分类器可以被采用。”神经网络分类器通常包含全连接层作为输出部分。 | 对比文件未明确说明第二分类器的具体结构，但本领域技术人员可以合理推断第二分类器作为神经网络分类器也包含全连接层，因此隐含公开。 |
| **技术特征J**：其中所述卷积层集合包括四个卷积层<br>**《未公开》** | 对比文件未指定卷积层的具体数量。 | 对比文件没有公开卷积层的数目，因此未公开。 |
| **技术特征K**：其中在所述卷积层集合中处理所述输入数据项包括在后续层中处理之前对前一卷积层的输出进行归一化<br>**《未公开》** | 对比文件未提及卷积层间的归一化操作。 | 对比文件没有公开层间归一化步骤，因此未公开。 |
| **技术特征L**：其中在所述卷积层集合中处理所述输入数据项包括在后续层中处理之前对前一卷积层的输出进行子采样<br>**《未公开》** | 对比文件未提及子采样（池化）操作。 | 对比文件没有公开子采样步骤，因此未公开。 |
| **技术特征M**：其中在所述卷积层集合中处理所述输入数据项包括在第三卷积层之后执行局部对比度归一化<br>**《未公开》** | 对比文件未提及局部对比度归一化。 | 对比文件没有公开该特定归一化操作，因此未公开。 |
| **技术特征N**：其中所述人工神经网络被配置为检测人的图像<br>**《未公开》** | 对比文件涉及文本识别，而非人的检测。 | 对比文件没有公开检测人的配置，因此未公开。 |
| **技术特征O**：其中所述人工神经网络被配置为检测行人的图像<br>**《未公开》** | 同上，对比文件涉及文本识别。 | 对比文件没有公开检测行人的配置，因此未公开。 |
| **技术特征P**：其中所述第一特征图补丁和所述第二特征图补丁至少部分交叠<br>**《未公开》** | 对比文件未涉及特征图补丁概念。 | 对比文件没有公开特征图补丁的交叠关系，因此未公开。 |
| **技术特征Q**：其中所述第一特征图补丁被包括在所述第二特征图补丁中<br>**《未公开》** | 同上。 | 对比文件没有公开特征图补丁的包含关系，因此未公开。 |
<<<A>>><<<B>>><<<E>>><<<h>>><<<i>>>