对比文件名称：JP2007087346A Information processing device, control method therefor, computer program, and memory medium
目标专利名称：利用神经网络进行目标检测 CN107851195B
本次调用的模型名称：DeepSeek
### 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 | 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 **《直接公开》** | 图39及其描述：“図３９において、３９０はＣＰＵであり、後述するハードディスク装置（以下、ＨＤと呼ぶ）３９５に格納されているアプリケーションプログラム、オペレーティングシステム（ＯＳ）や制御プログラム等を実行しする。更に、ＲＡＭ３９２にプログラムの実行に必要な情報、ファイル等を一時的に格納する制御を行う。”以及“顔位置検出部１０１は、顔の位置を特定するために図２で模式的に示すように多層の神経回路網（第一のＣＮＮ）を用いる。” | 对比文件公开了信息处理装置包含CPU（处理内核）、RAM和HD（存储器），并存储程序代码，该程序代码配置为与CPU一起使得装置执行功能。其中，颜位置检测部101使用多层神经网络（第一CNN），向该CNN的第一卷积层提供图像数据作为输入数据项。因此，特征A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 **《直接公开》** | 同上，以及“ＣＮＮは、各階層毎の各特徴が多数のニューロンで構成されており、本実施形態の場合、１つのニューロン出力が画像データのある画素での特徴検出結果を表している。” | 对比文件明确描述了第一CNN的层级结构，输入图像数据在卷积层集合（第一CNN）中被逐层处理，提取边缘、面部特征等。因此，特征B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 **《未公开》** | 无相应公开内容。 | 对比文件未公开从最后的卷积层输出的特征图中定义多个特征图补丁。其第一CNN用于检测面部位置，输出的是位置信息而非特征图补丁；第二CNN是独立的网络，用于在输入图像上的特定区域提取特征点，并非从同一特征图取补丁。因此，特征C未被公开。 |
| **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 **《未公开》** | 无相应公开内容。 | 对比文件未公开向两个分类器分别提供从特征图定义的补丁。其分类器（如表情判定NN）接收的是特征量变化量或动向量，而非特征图补丁。因此，特征D未被公开。 |
| **技术特征E**：其中所述输入数据项包括图像 **《直接公开》** | “画像入力部１００は、物体を撮像して画像データを取得する。” | 对比文件明确输入数据项为图像（画像データ），因此特征E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 **《未公开》** | 无相应公开内容。 | 对比文件仅描述对图像进行间引き処理（下采样）以降低分辨率，未公开组合原始图像的多个缩放版本以导出输入图像。因此，特征F未被公开。 |
| **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 **《未公开》** | 无相应公开内容。 | 对比文件未公开特征图补丁与尺度的对应关系，也未公开多个分类器在不同尺度上操作。其面部检测虽考虑尺寸变化，但未使用从同一特征图取不同尺度补丁的方式。因此，特征G未被公开。 |
| **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 **《未公开》** | 无相应公开内容。 | 对比文件未公开接收特征图补丁的第一分类器是全连接层。其第一CNN的输出用于位置检测，未涉及全连接层分类器接收特征图补丁。因此，特征H未被公开。 |
| **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 **《未公开》** | 无相应公开内容。 | 对比文件未公开第二分类器包括第二全连接层。其表情判定NN虽可能包含全连接层，但并非接收特征图补丁，且不涉及第二分类器。因此，特征I未被公开。 |
| **技术特征J**：其中所述卷积层集合包括四个卷积层 **《未公开》** | “本実施形態に係るＣＮＮは、図２のように３つの階層から構成される。” | 对比文件第一CNN仅包含三个层级（第1层、第2层、第3层），并非四个卷积层。因此，特征J未被公开。 |
| **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 **《未公开》** | 无相应公开内容。 | 对比文件未提及在卷积层间进行归一化操作，其前处理仅包括ヒストグラム補正（直方图补偿），并非层间归一化。因此，特征K未被公开。 |
| **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 **《隐含公开》** | “例えば、ある階層特徴に前階層特徴が１つだけ結合している場合（ＣＮＮのサブサンプリング層若しくは特徴プーリング層）を考える。” | 对比文件明确提及CNN中包含サブサンプリング層（子采样层）或特徴プーリング層（特征池化层），这些层通常置于卷积层之后，对前一卷积层的输出进行子采样后再输入后续层。本领域技术人员据此可以合理推断，在卷积层集合的处理过程中包括在后续层处理前对前一卷积层输出进行子采样。因此，特征L被隐含公开。 |
| **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 **《未公开》** | 无相应公开内容。 | 对比文件未描述局部对比度归一化操作。其CNN中未提及该特定归一化步骤。因此，特征M未被公开。 |
| **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 **《未公开》** | “本発明は画像認識技術に関する。”及“顔の撮像画像に係る画像データを解析し、解析結果から撮像画像における認識対象の目の領域を認識する。” | 对比文件的人工神经网络用于检测人脸及面部特征，而非检测整个人体。因此，特征N未被公开。 |
| **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 **《未公开》** | 同上。 | 对比文件未涉及行人检测，其目标为面部检测与表情识别。因此，特征O未被公开。 |
| **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 **《未公开》** | 无相应公开内容。 | 对比文件未公开任何特征图补丁，更未提及补丁之间的交叠关系。因此，特征P未被公开。 |
| **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 **《未公开》** | 无相应公开内容。 | 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>>><<<l>>>