**对比文件名称**：2015-05-20_EP2833295A_发明公开_EP2833295A2 Convolutional-neural-network-based classifier and classifying method and training methods for the same
**目标专利名称**：726利用神经网络进行目标检测CN107851195B
**模型名称**：DeepSeek-R1
## 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） | 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>**《隐含公开》** | [0075] “在通过软件和/或固件实现本发明的实施例时，构成软件的程序从存储介质或网络安装到具有专用硬件结构的计算机，例如图15所示的通用计算机1500”。<br>[0076] “CPU1501、ROM1502、RAM1503”。 | 对比文件描述了通用计算机（包含CPU、ROM、RAM）执行程序来实现基于卷积神经网络的分类方法。本领域技术人员可以合理推断，该计算机包括至少一个处理内核（CPU）和存储器（ROM、RAM），且通过计算机程序代码配置为执行向第一卷积层提供输入数据等步骤。虽然未明确写明“处理内核”和“存储器配置”，但隐含公开了该装置结构。 |
| **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》** | [0064] “通过将带有已知标签的训练样本放入基于卷积神经网络的分类器执行前向传播以获得输出结果，在前向传播期间，分别对应于多个区域的每个卷积模板用于获得对应区域中的神经元的响应值。”<br>[0070] “通过将待分类对象放入基于卷积神经网络的分类器执行前向传播以获得输出结果”。 | 对比文件明确公开了将输入数据（训练样本或待分类对象）送入神经网络，通过卷积层集合进行前向传播处理，即直接在卷积层集合中处理输入数据项。该特征的作用与目标专利相同，均为通过卷积层处理输入数据。 |
| **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** | 无直接或隐含公开内容。 | 对比文件涉及将特征图划分为多个区域（region）并使用不同卷积模板，但该划分发生在卷积层内部，并非从最后卷积层输出后定义补丁。对比文件没有公开从最后卷积层输出的特征图中提取多个特征图补丁的概念，也未提及“特征图补丁”或类似定义。因此未公开。 |
| **技术特征D：** 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** | 无直接或隐含公开内容。 | 对比文件仅有一个全连接层作为分类器，未公开将不同特征图补丁分别提供给多个分类器。对比文件没有涉及多个分类器接收不同补丁的方案，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》** | [0001] “本发明涉及图像识别领域”。<br>[0047] “以手写字符识别为例”。 | 对比文件明确其技术领域为图像识别，且实施例中均以图像（如手写字符）作为输入数据，因此直接公开了输入数据项包括图像。 |
| **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** | 无直接或隐含公开内容。 | 对比文件未提及通过组合原始图像的缩放版本集合来导出输入图像。其输入图像为原始图像（如手写字符图像），无缩放组合操作。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** | 无直接或隐含公开内容。 | 对比文件未涉及多尺度检测或尺度对应关系。其分类器基于固定尺寸的特征图区域，无尺度概念。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>**未公开** | 无直接或隐含公开内容。 | 对比文件虽然包含全连接层，但仅有一个全连接层作为分类器，未公开第一分类器包括第一全连接层（且存在第二分类器）。因此未公开。 |
| **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>**未公开** | 无直接或隐含公开内容。 | 同特征H，对比文件未公开第二分类器及对应的第二全连接层。因此未公开。 |
| **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** | 无直接或隐含公开内容。 | 对比文件图2示例中仅包含三个卷积层（卷积1、卷积2、卷积3'），且未明确指定卷积层数量为四个。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** | 无直接或隐含公开内容。 | 对比文件未提及归一化操作。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>**《直接公开》** | [0018] “空间最大采样操作可以被空间子采样操作替代”。 | 对比文件明确公开了子采样操作（空间子采样），并指出其可用于替代空间最大采样。在典型CNN结构中，子采样通常位于卷积层之后、后续层之前，因此直接公开了在后续层处理之前对前一卷积层输出进行子采样。该特征的作用与目标专利相同。 |
| **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** | 无直接或隐含公开内容。 | 对比文件未提及局部对比度归一化。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** | 无直接或隐含公开内容。 | 对比文件涉及手写字符识别等一般图像识别，未特别配置为检测人的图像。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** | 无直接或隐含公开内容。 | 同特征N，对比文件未涉及行人检测。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** | 无直接或隐含公开内容。 | 对比文件未定义特征图补丁，更未涉及补丁之间的交叠关系。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** | 无直接或隐含公开内容。 | 对比文件未公开特征图补丁的包含关系。因此未公开。 |
<<<a>>><<<B>>><<<E>>><<<L>>>