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
技术特征A：包括：用第一预先训练的分类器来确定多个所存储图像的特征，《直接公开》	对比文件第[0041]段：“Besides low-level visual feature, one can also consider semantic visual features derived from object and scene detections. ... It is well known that a set of binary SVM-classifiers can be built for these scenes and objects... a preferred embodiment of the present invention maintains a probabilistic score...”。第[0042]段：“After the visual features are computed, a multi-class AdaBoost method called stagewise additive modeling with exponential loss (SAMME) can be used to build visual classifiers using the images in the training dataset D, as well a capture-location-sequence trace classifier using the capture-location- sequence traces in the training set D.”。	目标专利中“第一预先训练的分类器”用于确定图像的特征。对比文件明确公开了使用分类器（如SVM、AdaBoost）来确定图像的特征（如视觉特征、语义特征）。对比文件第[0042]段说明使用训练数据集D来“build visual classifiers”，即构建分类器，这些分类器是预先训练的，用于处理新图像。这实质上公开了“用预先训练的分类器来确定图像的特征”。因此，本领域技术人员能毫无疑义地得出该技术方案。
技术特征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，《隐含公开》	对比文件第[0023]段：“Input: A database of visual events are input as training data D for designing a classifier...”。第[0024]段：“Output: The label 1(Ei) given a new image folder Ei... and the trained classifier...”。	目标专利的技术特征B限定了特征提取器处理的图像（所存储图像）与训练该分类器所用的图像（训练图像）不同。对比文件第[0023]段描述了使用一个训练数据库D来设计（designing）分类器。第[0024]段描述了给定一个新的图像文件夹（new image folder）和已训练的分类器（trained classifier）来输出标签。这隐含了分类器是在一组训练图像上训练，而后应用于新的、不同的图像集合以确定其特征或标签。本领域技术人员通过合理推理，能够理解训练阶段和部署/应用阶段的数据是不同的，否则分类将失去意义。因此，该特征被对比文件隐含公开。
技术特征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》	对比文件第[0022]段：“In a preferred embodiment of the present invention, a list of 10 types of frequently occurring events or classifications... C = {backyard activity, beach activity, ball game, birthday party, Christmas activity, city tour, hiking, road trip, skiing, and wedding}”。第[0036]段：“As summarized in Fig. 2, simply according to the spatial range and speed of movement, one can sort events into different clusters, each of which is associated with a label as defined earlier.”。第[0042]段描述了使用分类器进行识别。	目标专利的技术特征C是基于特征将图像指派给群集。对比文件将事件（即一组相关联的图像）分类到预定义的类别集合C中（如城市游览、远足等），这些类别即相当于“多个群集”。对比文件第[0036]段明确使用了“clusters”一词来描述这些分组。并且，这种指派是基于从图像和GPS信息中提取的特征（如视觉特征、轨迹特征）进行的，如第[0040]、[0041]、[0042]段所述。分类器（如SAMME）的输出结果就是将图像集合（或其中的图像）指派给一个事件类别（群集）。因此，对比文件直接公开了基于特征进行群集指派。
技术特征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》	未发现相关内容。	目标专利的技术特征D涉及一种具体的、基于多种阈值条件（距离、数目、百分比）来选择性指派标记的机制。对比文件虽然通过分类器为图像/事件指派类别（标记），但未公开任何基于图像到群集中心的“距离”阈值、或与群集中心相关联的图像“数目”或“百分比”阈值来决定是否指派标记的逻辑。对比文件的分类是基于分类器的直接输出（如公式4的arg max），不涉及此类阈值判断。因此，该特征既未被直接公开，也未被隐含公开。
技术特征E：修改所指派的标记，《未公开》	未发现相关内容。	目标专利的技术特征E涉及用户或系统对已指派标记的修改。对比文件描述了自动分类过程，但未提及任何在分类完成后修改已指派标记（即事件类别标签）的步骤或功能。整个过程是单向的、自动的推断和存储（见第[0043]段），没有反馈修改环节。因此，该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征F涉及一种动态学习机制，即根据修改后的标记重新训练分类器。对比文件仅描述了使用固定的训练数据集D来设计/训练分类器（第[0023]、[0042]段），并未提及在系统使用过程中，根据用户对分类结果的修改（技术特征E）来重新训练或更新分类器。因此，该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征G是特征F的后续步骤，即基于重新训练的分类器进行重新分类。由于对比文件未公开标记修改（E）和重新训练（F），因此也不存在基于更新后分类器进行“重新分类”的步骤。分类在对比文件中是一次性完成的。因此，该特征未被公开。
技术特征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)。《直接公开》	对比文件第[0041]段：“It is well known that a set of binary SVM-classifiers can be built for these scenes and objects...”。第[0042]段：“...multi-class AdaBoost method... can be used to build visual classifiers...”。 AdaBoost常以决策树等作为弱分类器，逻辑回归、最邻近法也是本领域常用的弱分类器或基础分类器。	目标专利的权利要求限定第一预先训练的分类器是SVM、逻辑回归、最接近的邻居或多层感知器(MLP)。对比文件第[0041]段明确公开了使用SVM分类器。同时，第[0042]段公开了使用AdaBoost方法构建分类器，而AdaBoost是一种集成学习方法，其弱分类器（base classifier）可以包括逻辑回归、决策树（可视为广义的最邻近方法的一种基础）等。虽然未明确点名MLP，但SVM已被直接公开。对于权利要求中“是...或...”的择一限定，只要其中一种被公开，即可认为该限定被公开。因此，技术特征H被直接公开。
技术特征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。《直接公开》	对比文件第[0024]段：“Output: The label 1(Ei) given a new image folder Ei...”。第[0043]段示例中，分类器输出预测标签（如“4”），即对应一个事件类别。	目标专利的技术特征I是将图像基于标记分类到“群”中。这与技术特征C的“群集”本质相同。对比文件输出一个事件标签（如“hiking”，第[0024]段），该标签即对应一个类别或“群”。根据该标签，图像集合（文件夹）即被分类到了相应的群（事件类型）中。因此，该特征被直接公开。
技术特征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》	未发现相关内容。	目标专利的技术特征J涉及将图像物理或逻辑地“放置到文件夹中”这一具体的数据管理操作。对比文件中虽然使用了“folder”一词（如第[0023]段“image folder”），但这是指作为输入的一组图像（一个事件），是数据集合的概念，并非指作为输出目的地的、用于存储图像的目录或文件夹。对比文件未公开根据分类结果将图像移动或存储到特定系统文件夹的操作。因此，该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征K涉及对文件夹进行命名的具体方式（非特定名称）。如特征J所述，对比文件未公开“放置到文件夹”这一操作，因此后续的“命名文件夹”也无从谈起。该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征L涉及使用另一个分类器来确定文件夹名称。对比文件未涉及对文件夹进行命名的操作，更未提及使用分类器来执行此任务。该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征M是特征L的具体实现方式。由于特征L未被公开，且对比文件无“群集中心”用于命名文件夹的相关描述，该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征N涉及一种基于多数裁定规则确定文件夹名称的机制。对比文件未涉及文件夹命名，更没有相关规则。该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征O涉及接收用户对文件夹名称的修改输入。对比文件未涉及文件夹命名，因此也无修改文件夹名称的用户交互。该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征P涉及基于文件夹名称的修改来重新训练分类器。对比文件未涉及文件夹命名（O）及相应的分类器重新训练。该特征未被公开。
技术特征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。《隐含公开》	对比文件第[0024]段：“Output: The label 1(Ei) given a new image folder Ei... and the trained classifier...”。第[0040]-[0042]段描述了特征提取和分类器应用。	目标专利的技术特征Q涉及对新图像进行处理：确定其特征向量，应用分类器确定其所属的群（类别），并将其放置在文件夹中。对比文件明确公开了对于一个新的图像文件夹（new image folder），应用已训练的分类器（trained classifier）确定其标签（即确定其群），如第[0024]段。确定标签的过程必然基于从新图像中提取的特征向量（第[0040]-[0041]段）。虽然对比文件未明确描述“放置在文件夹中”这一物理/逻辑操作，但将分类结果（标签）与新图像关联起来，在图像管理系统中通常意味着根据该标签对图像进行组织，可以隐含地理解为一种“放置”或归类行为。因此，本领域技术人员通过合理推理，可以认为对比文件隐含公开了基于分类结果对新图像进行归类（即“放置”）的技术方案。
技术特征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。《未公开》	未发现相关内容。	目标专利的技术特征R与技术特征E类似，涉及用户修改标记。对比文件未公开此用户交互步骤。该特征未被公开。
技术特征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》	未发现相关内容。	目标专利的技术特征S是通过移动图像来触发标记修改的具体方式。对比文件未涉及用户移动图像或由此修改标记的操作。该特征未被公开。
技术特征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。《未公开》	未发现相关内容。	目标专利的技术特征T涉及在不同用户间共享分类器或群集中心。对比文件描述的是单机或本地系统内的分类过程，未提及与其他用户共享模型或数据的步骤。该特征未被公开。
技术特征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。《未公开》	未发现相关内容。	目标专利的技术特征U是特征T的后续操作，涉及组合共享列表并更新分类器。由于特征T未被公开，且对比文件无相关内容，该特征未被公开。
技术特征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。《未公开》	未发现相关内容。	目标专利的技术特征V涉及共享用户自定义的种类。对比文件中的事件类别（C）是预定义的，未提及用户自定义种类或将其共享。该特征未被公开。