在回答的开始明确对比文件名称、目标专利名称及本次调用的模型名称：
- **对比文件名称**：2014-10-16_TW201439926A_发明专利_TW201439926A 用於平行化迴旋神經網路之系統與方法
- **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**：GPT-4
以下是根据目标专利权利要求的技术特征创建的特征比对表格。对于每个技术特征，在表格第一栏记录技术特征描述及公开性判断结果（直接公开/隐含公开/未公开），第二栏引用对比文件原文（已翻译为中文，原文为繁体中文，直接引用并注明在对比文件中的位置），第三栏进行严谨的公开性论述。未公开的特征不输出任何代码。
| 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 |
| **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）** | “各計算節點係一處理器，諸如一CPU或GPU”（在描述計算節點時）；“可使用由此等電腦可讀媒體儲存或以其他方式保持之電腦可讀/可執行指令來實施”（在描述電腦可讀媒體時）；“給定一輸入x ∈ Rⁿ”（在描述前饋神經網路時）；“一CNN加權矩陣之輸入I可係各具有尺寸N×N之u個影像之一堆疊”（在描述CNN時） | 对比文件公开了在处理器节点上实施CNN，节点包括处理器（处理内核）和计算机可读媒体（存储器）存储可执行指令，并且向CNN的第一卷积层提供输入数据项（如图像）。本领域技术人员可以直接地、毫无疑义地确定对比文件公开了该特征。 |
| **B**：- 在所述卷积层集合中处理所述输入数据项<br>**（直接公开）** | “一單一CNN層可應用各具有尺寸(2m+1)×(2m+1)之u×v個濾波器以產生具有尺寸(N-2m)×(N-2m)×v之一輸出張量”（在描述CNN層時） | 对比文件明确公开了在CNN的卷积层中处理输入数据，通过应用滤波器产生输出张量。因此直接公开。 |
| **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）** | 无相关公开内容 | 对比文件涉及并行化CNN，并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。因此未公开。 |
| **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）** | 无相关公开内容 | 对比文件未公开向两个分类器提供来自同一特征图的不同补丁。因此未公开。 |
| **E**：其中所述输入数据项包括图像<br>**（直接公开）** | “影像處理或分類任務”；“輸入影像”（在描述CNN應用時） | 对比文件明确提到输入为图像。因此直接公开。 |
| **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）** | 无相关公开内容 | 对比文件未公开组合原始图像的缩放版本。因此未公开。 |
| **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）** | 无相关公开内容 | 对比文件未公开特征图补丁与尺度的对应关系。因此未公开。 |
| **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>**（直接公开）** | “剩餘三個層係完全連接的”（在描述圖4之網路時）；“輸出層中的分類器可以包括全連接層” | 对比文件公开了全连接层作为分类器。因此直接公开。 |
| **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>**（直接公开）** | 同上，多个全连接层 | 对比文件公开了多个全连接层，可以分别作为第一和第二分类器。因此直接公开。 |
| **J**：其中所述卷积层集合包括四个卷积层<br>**（未公开）** | 无相关公开内容 | 对比文件图4示例包括五个卷积层，未明确公开四个卷积层。因此未公开。 |
| **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）** | 无相关公开内容 | 对比文件未公开归一化操作。因此未公开。 |
| **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>**（隐含公开）** | “集區係用於使得網路之啟動對較小轉譯係更加不變的之一技術”（在描述集區時） | 对比文件公开了“集區”（pooling），即子采样操作。虽然未明确说明在卷积层集合中处理包括子采样，但本领域技术人员可以合理推断CNN中常包含池化层用于子采样，且对比文件讨论了集区对网络的影响。因此隐含公开。 |
| **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）** | 无相关公开内容 | 对比文件未公开局部对比度归一化。因此未公开。 |
| **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）** | 无相关公开内容 | 对比文件未指定检测人。因此未公开。 |
| **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）** | 无相关公开内容 | 对比文件未指定检测行人。因此未公开。 |
| **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）** | 无相关公开内容 | 对比文件未公开特征图补丁交叠。因此未公开。 |
| **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）** | 无相关公开内容 | 对比文件未公开一个补丁包含另一个。因此未公开。 |
根据上述判断，对比文件直接公开了技术特征A、B、E、H、I，隐含公开了技术特征L。因此，在回答结尾插入对应的代码。
<<<A>>><<<B>>><<<E>>><<<H>>><<<I>>><<<l>>>