非显而易见法律服务网

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: 用第一预先训练的分类器来确定多个所存储图像的特征《隐含公开》	[0025] "the feature vector module 112 may first identify the facial regions for each photo and analyze the features within the identified facial regions using known facial recognition techniques. Based on the analysis, the feature vector module 112 stores information relating to the analyzed features/attributes in the form of feature vectors."	对比文件公开了使用“已知的面部识别技术”分析照片中的面部区域并生成特征向量。本领域技术人员知晓，已知且可用的面部识别技术通常涉及使用预先训练好的模型或分类器（如基于机器学习的模型）来从图像中提取特征。因此，可以合理推断出对比文件隐含公开了使用预先训练的分类器来确定图像特征。虽然未明确提及“深度卷积网络”，但“已知的面部识别技术”涵盖了使用预先训练模型进行特征提取的方案。
B: 所述多个所存储图像的特征不同于用于训练所述第一预先训练的分类器的多个训练图像《未公开》	无相应内容。	对比文件仅描述了使用已知技术提取接收到的照片的特征向量，完全没有提及该特征提取技术（如面部识别模型）是如何训练的，也未提及所处理的存储图像与任何训练图像集之间的关系。因此，对比文件没有公开该特征。
C: 至少部分地基于所确定的特征来将所述多个所存储图像中的每一个图像指派给多个群集中的群集《直接公开》	[0025] "The correlator 114 is further configured to group photos 115 based on their attributes. By way of illustration, suppose feature vector set A comprises a collection of photos and feature vector set B comprises another collection of photos. For some implementations, the correlator 114 is configured to analyze the attributes associated with each respective set of feature vectors. If the correlator 114 determines that the two sets (i.e., Set A and Set B) exhibit common attributes, then the correlator 114 merges Set A and Set B to form a common set of feature vectors corresponding to a particular individual..."	对比文件明确公开了相关器（correlator）基于特征向量的属性（attributes）对照片进行分组（group），并将具有共同属性的特征向量集合合并成一个对应于特定个体的共同集合。这实质上是根据图像的特征（由特征向量表示）将图像指派到不同的群集（分组）中。该过程在对比文件中用于识别同一个体，其作用与目标专利中基于特征进行分群集以组织图像的作用实质相同。因此，该技术特征被直接公开。
D: 基于所述图像离对应于所述图像的最接近的群集中心的距离小于第一阈值、与所述最接近的群集中心相关联的预定义图像数目小于第二阈值、和/或与最接近的群集中心相关联的图像百分比小于第三阈值来向所述多个所存储图像中的图像指派标记《未公开》	无相应内容。	对比文件公开了为用户输入（或下载）的标签（tag）与特征向量（或分组）相关联（例如[0025], [0037]），但完全没有提及基于图像到群集中心的距离、相关联的图像数目或百分比等任何阈值条件来指派标记。标记的指派在对比文件中是基于用户输入或直接关联，而非基于这些量化阈值条件。因此，对比文件没有公开该特征。
E: 修改所指派的标记《隐含公开》	[0025] "The face tagging system 102 further comprises a tag module 113 configured to receive user input and tags for grouped feature vectors. In particular, the tag module 113 receives tags comprising such information as individuals' names, e-mail addresses, and/or other descriptors and associates these tags with corresponding feature vectors."	对比文件公开了标签模块接收用户输入的标签并将其与特征向量关联。虽然未明确描述“修改”已存在标签的动作，但接收用户输入以关联标签的功能，在本领域技术人员看来，自然隐含了用户可以通过再次输入来更新、覆盖或修改先前已关联的标签的可能性。这是一种合理的、符合常规软件交互逻辑的推断。因此，该技术特征被隐含公开。
F: 当所述所指派的标记被修改时用所述图像来重新训练所述第一预先训练的分类器《未公开》	无相应内容。	对比文件全程未提及对用于特征提取的“预先训练的分类器”进行任何重新训练或更新。其焦点在于特征向量的生成、分组、标记和共享，而不涉及底层模型的再训练。因此，对比文件没有公开该特征。
G: 以及至少部分地基于所述预先训练的分类器来对所述图像重新分类《未公开》	无相应内容。	对比文件未提及基于任何更新后的分类器对图像进行重新分类的过程。因此，对比文件没有公开该特征。
H: 其特征在于，所述第一预先训练的分类器是支持向量机器(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP) 《未公开》	无相应内容。	对比文件仅提及“已知的面部识别技术”，未具体限定或公开所使用的分类器的类型，更没有提及SVM、逻辑回归、最接近的邻居或MLP中的任何一种。因此，对比文件没有公开该特征。
I: 其特征在于，进一步包括，至少部分地基于对应的标记来将所述多个所存储图像中的图像分类到群中《未公开》	[0037] "The correlator 114 is further configured to classify the feature vectors 306 according to distinct groups."	对比文件公开了相关器基于特征向量（attributes）将特征向量分类（classify）成不同的组（groups）。然而，该分类是直接基于特征向量本身的属性（如面部特征距离），而不是基于已指派给图像的“标记”。目标专利的特征I强调“至少部分地基于对应的标记”进行分类，这与对比文件公开的技术手段不同。因此，对比文件没有公开该特征。
J: 其特征在于，进一步包括，至少部分地基于对应的群来将所述多个所存储图像中的每个图像放置到文件夹中《未公开》	无相应内容。	对比文件描述的是将特征向量和标签存储在数据库（database）或表中，并未提及“文件夹”（folder）这一用于在文件系统中直观组织图像的用户界面概念或存储结构。因此，对比文件没有公开该特征。
K: 其特征在于，进一步包括，使用非特定名称来命名所述文件夹《未公开》	无相应内容。	对比文件未提及文件夹，自然也谈不上文件夹的命名。因此，对比文件没有公开该特征。
L: 其特征在于，进一步包括，使用第二预先训练的分类器来确定特定文件夹名称《未公开》	无相应内容。	对比文件未提及使用任何分类器来确定文件夹名称。因此，对比文件没有公开该特征。
M: 其特征在于，进一步包括，使用所述第二预先训练的分类器、至少部分地基于与相关联的群的标记相关联的群集中心的分类来确定所述特定文件夹名称《未公开》	无相应内容。	对比文件未提及第二分类器、群集中心分类与文件夹名称确定之间的关系。因此，对比文件没有公开该特征。
N: 其特征在于，所述特定文件夹名称进一步至少部分地基于关于给定文件夹的所标记图像的多数裁定规则来确定《未公开》	无相应内容。	对比文件未提及多数裁定规则或其在文件夹命名中的应用。因此，对比文件没有公开该特征。
O: 其特征在于，进一步包括，接收修改特定文件夹名称或指派新的特定文件夹名称的用户输入《未公开》	无相应内容。	对比文件未提及文件夹名称的修改或新指派。因此，对比文件没有公开该特征。
P: 其特征在于，进一步包括，至少部分地基于群集中心或者至少一个所标记的图像特征向量来重新训练第二预先训练的分类器以包括经修改的特定文件夹名称或所述新的特定文件夹名称《未公开》	无相应内容。	对比文件未提及重新训练第二分类器以更新文件夹名称。因此，对比文件没有公开该特征。
Q: 其特征在于，进一步包括，至少部分地基于确定新图像的特征向量和应用所述分类器以确定所述新图像的群来将所述新图像放置在文件夹中《未公开》	[0025] "The face tagging system 102 receives a second or subsequent batch of photos 115 for analysis. Again, the face tagging system 102 begins by identifying the facial regions within the subsequent batch of photos 115 and extracts or determines information relating to features within the facial regions. The correlator 114 in the face tagging system 102 determines whether the current set of feature vectors correspond to any of the previously derived feature vectors."	对比文件公开了对新接收的图像（第二或后续批次的照片）提取特征向量，并由相关器确定其与已有特征向量的对应关系（可视为确定其所属群组）。然而，对比文件未提及将新图像“放置在文件夹中”这一后续操作。因此，该技术特征未被公开。
R: 其特征在于，进一步包括，接收修改所述所指派的标记的用户输入《隐含公开》	[0025] "The tag module 113 receives tags comprising such information as individuals' names, e-mail addresses, and/or other descriptors and associates these tags with corresponding feature vectors."	与特征E的论述类似。对比文件公开了标签模块接收用户输入的标签。本领域技术人员可以合理推断，为了更新或纠正信息，系统应能接收用户对已指派标记的修改输入。这是对已公开功能（接收标签输入）的合乎逻辑的扩展。因此，该技术特征被隐含公开。
S: 其特征在于，至少部分地基于将所述图像从第一文件夹移至第二文件夹的用户输入来修改所述所指派的标记《未公开》	无相应内容。	对比文件未提及文件夹，更没有描述通过在不同文件夹间移动图像来修改标记的用户交互方式。因此，对比文件没有公开该特征。
T: 其特征在于，进一步包括，与第二用户共享至少一个分类器或群集中心列表《隐含公开》	[0041] "FIG. 5 illustrates one of various network topologies in which various face tagging systems 102 and computing systems 103, 105 may share and exchange feature vectors for purposes of tagging photos..." <br> [0050] "In block 940, a second user (i.e., User B) downloads the grouped feature vectors and associated tags from the restricted access database."	对比文件明确公开了在不同系统之间“共享和交换特征向量”（share and exchange feature vectors），并且第二用户可以下载“分组的特征向量”（grouped feature vectors）。分组的特征向量集合，在本领域技术人员看来，其功能与目标专利中用于分类的“群集中心列表”是类似或等同的，都是用于表征和识别一类图像（如特定个人）的数据集合。虽然未明确提及共享“分类器”，但共享“特征向量”列表隐含公开了共享“群集中心列表”这一技术手段。因此，该技术特征被隐含公开。
U: 其特征在于，所共享的群集中心列表与所述第二用户的群集中心列表相组合以创建用于所述第二用户的图像的标记并且更新用于所述第二用户的分类器《隐含公开》	[0050] "In block 940, a second user (i.e., User B) downloads the grouped feature vectors and associated tags from the restricted access database. In block 950, User B then begins to tag people based on the downloaded grouped feature vectors, the associated tags, or user profiles generated by User B to create enhanced feature vectors."	对比文件公开了第二用户下载分组特征向量及关联标签，并基于这些下载的内容（可能结合用户自己的数据）来标记人物以创建“增强的特征向量”（enhanced feature vectors）。这实质上就是将共享的列表（分组特征向量及标签）与用户自身的数据相结合，来为用户的图像创建标记的过程。虽然对比文件未明确提及“更新分类器”，但“创建增强的特征向量”这一结果，本领域技术人员可以合理推断可能用于改进或更新后续的识别过程（可能涉及更新相关模型或规则）。在隐含公开的宽松判断标准下，该特征被隐含公开。
V: 其特征在于，进一步包括，与所述第二用户共享用户为类别或群集定义的种类《隐含公开》	[0020] "Each of the classified group of feature vectors associated with an individual is then tagged." <br> [0050] "downloads the grouped feature vectors and associated tags"	对比文件中，特征向量分组后被关联上标签（tag），这些标签如人名、电子邮件等，实质就是用户为特定类别（如个人）定义的种类（category）。对比文件公开了共享这些“分组特征向量及关联标签”（[0050]）。因此，共享关联标签即隐含公开了共享用户为类别或群集定义的“种类”。该技术特征被隐含公开。