对比文件名称：2008-08-21_US2008201282A_发明申请_US20080201282A1 System and Method for Locating Points of Interest in an Object Image Implementing a Neural Network
目标专利名称：726利用神经网络进行目标检测CN107851195B
本次调用的模型名称：AI模型
### 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用（中文翻译及段落标号） | 公开性论述 |
| 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 **《直接公开》** | **[0109]** “存储器M 51和配备有处理器μP的处理单元50，由计算机程序Pg 52驱动。”<br>**[0070]** “输入层E：这是一个视网膜，是一个大小为H×L的图像矩阵……输入层E接收相同大小的图像区域H×L的元素。”<br>**[0073]** “第一卷积层C1，由NC1个图C1i组成。每个图C1i连接到输入图E。” | 对比文件明确公开了装置包含处理器、存储器和程序代码，通过输入层E向第一卷积层C1提供输入图像数据。本领域技术人员可直接确定该装置实现了“向第一卷积层提供输入数据项”的功能，因此特征A被直接公开。 |
| 特征B：‑ 在所述卷积层集合中处理所述输入数据项 **《直接公开》** | **[0070]‑[0079]** 描述了完整的处理流程：第一卷积层C1（[0073]）、子采样层S2（[0075]）、第二卷积层C3（[0076]），以及后续层N4、R5。 | 对比文件公开了输入数据项依次经过卷积层C1、子采样层S2、卷积层C3等构成的层集合进行处理。这些层属于卷积层集合（S2为子采样，但属于处理步骤的一部分），因此特征B被直接公开。 |
| 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 **未公开** | **[0076]** 最后卷积层C3输出大小为21×16的特征图。<br>**[0078]** N4层全连接到C3的所有神经元。<br>**[0079]** R5层输出多个显著图，大小与输入相同（56×46）。 | 对比文件未从C3输出的特征图中定义任何子区域（补丁）。C3的特征图被全连接层N4整体处理，然后生成与输入同尺寸的显著图，而非从特征图中划分多个补丁。本领域技术人员不能从对比文件直接或合理推断出“定义第一特征图补丁和第二特征图补丁”的技术方案，因此特征C未被公开。 |
| 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 **未公开** | **[0079]** “R5层由NR5个图R5m组成，每个图对应一个兴趣点……每个R5m图连接到N4层的所有神经元。” | 对比文件中分类器（输出显著图）接收的是N4层的输出，而不是从C3特征图定义的补丁。没有公开将特征图补丁分别提供给不同分类器的步骤，因此特征D未被公开。 |
| 特征E：其中所述输入数据项包括图像 **《直接公开》** | **[0064]** “对象图像（特别是半刚性对象，尤其是人脸图像）”。<br>**[0070]** “输入层E接收相同大小的图像区域”。 | 对比文件明确输入数据项是图像（如人脸图像），因此特征E被直接公开。 |
| 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 **未公开** | **[0086]** 在学习阶段对图像应用缩放变换（0.8至1.2倍），但未提及在检测阶段组合缩放版本。 | 对比文件仅在训练时使用缩放增强，未公开在实际检测中通过组合原始图像的多个缩放版本来导出输入图像。本领域技术人员无法从对比文件获得该技术特征，因此特征F未被公开。 |
| 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 **未公开** | **[0079]** 多个输出显著图对应不同的兴趣点（右眼、左眼、鼻子、嘴），未涉及尺度概念。 | 对比文件的多输出对应于不同兴趣点，而非不同尺度。没有公开任何与尺度相关的操作或分类器在不同尺度上执行对象识别的布置，因此特征G未被公开。 |
| 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 **《直接公开》** | **[0078]** “N4层由NN4个sigmoid神经元N41组成。N4层的每个神经元连接到C3层的所有神经元。”<br>**[0079]** “每个R5m图连接到N4层的所有神经元。” | 对比文件中输出层R5的每个显著图（作为一个分类器）的神经元全连接到N4层，N4层本身也是全连接层。因此分类器明确包含全连接层，特征H被直接公开。 |
| 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 **《直接公开》** | 同特征H引用。对比文件具有多个输出显著图（如4个），每个对应一个分类器，均包含全连接结构。 | 对比文件公开了多个分类器（对应不同兴趣点），每个分类器均包含全连接层，因此特征I被直接公开。 |
| 特征J：其中所述卷积层集合包括四个卷积层 **未公开** | **[0073]** 第一卷积层C1；**[0076]** 第二卷积层C3。仅有两个卷积层。 | 对比文件的卷积层集合仅包含C1和C3两个卷积层，未达到四个，因此特征J未被公开。 |
| 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 **未公开** | 对比文件全文未提及归一化操作。 | 对比文件未公开任何形式的归一化步骤（如批量归一化、局部归一化等），因此特征K未被公开。 |
| 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 **《直接公开》** | **[0075]** “子采样层S2由NS2个图S2j组成。S2j图的每个神经元接收C1i图中M2×M2邻域元素的平均值。” | 对比文件明确公开了在C1卷积层之后通过S2层进行子采样（平均池化），即在后续层处理之前对前一卷积层输出进行子采样，因此特征L被直接公开。 |
| 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 **未公开** | 对比文件没有第三卷积层，也未提及局部对比度归一化。 | 对比文件仅有C1和C3两个卷积层，且未公开任何局部对比度归一化操作，因此特征M未被公开。 |
| 特征N：其中所述人工神经网络被配置为检测人的图像 **《直接公开》** | **[0064]** “尤其是人脸图像”。<br>**[0106]** 使用卷积人脸检测器（CFF）检测人脸，然后定位面部特征点。 | 对比文件专门用于人脸图像（属于人的图像），其神经网络通过人脸检测和特征点定位来处理人的图像，因此特征N被直接公开。 |
| 特征O：其中所述人工神经网络被配置为检测行人的图像 **未公开** | 对比文件未提及行人检测。 | 对比文件涉及面部特征点定位，而非行人检测，因此特征O未被公开。 |
| 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 **未公开** | 对比文件无特征图补丁概念。 | 对比文件未公开任何特征图补丁，更未涉及补丁间的交叠关系，因此特征P未被公开。 |
| 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 **未公开** | 对比文件无特征图补丁概念。 | 对比文件未公开特征图补丁的包含关系，因此特征Q未被公开。 |
<<<A>>><<<B>>><<<E>>><<<H>>><<<I>>><<<L>>><<<N>>>