**对比文件名称：** US2014188462A1_Description_20260221_0612
**目标专利名称：** 189照片管理CN106104577B
**本次调用模型名称：** 专利创造性评估模型
### 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 |
| **特征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。 <br> **《直接公开》** | 第[0387]段：“例如，在一种配置中，深度卷积网络被指定并使用后向传播用包括各种类别标记的图像来预先训练。此外，形成分类器的顶层被移除以获得每个图像的特征向量。” | 对比文件明确公开了使用预先训练的深度卷积网络（一种分类器）来提取所存储图像的特征向量。这与目标专利中“用第一预先训练的分类器来确定多个所存储图像的特征”的技术特征完全相同。 |
| **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。 <br> **《未公开》** | 无相应内容。 | 对比文件虽然公开了使用预先训练的网络提取特征，但并未提及或暗示所存储图像（即待处理的新图像）的特征与用于训练该网络的训练图像的特征“不同”。该特征涉及数据分布的差异性，对比文件未涉及此概念。 |
| **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。 <br> **《直接公开》** | 第[0389]段：“另外，使用分群集系统（诸如使用k-means分群集或g-means分群集）来将特征向量分群集。……在该配置中，特征向量被指派给群集。” | 对比文件明确公开了基于从图像提取的特征向量，使用分群集方法（如k-means）将每个图像指派给一个群集。这与目标专利的特征C完全一致。 |
| **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。 <br> **《直接公开》** | 第[0389]段：“基于离群集中心的距离(d)和/或百分比(p)来标记图像。也就是说，离群集中心在特定距离(d)内的图像可被给予特定标记。附加地或替换地，对应于群集中心的某一百分比(p)的图像可被给予特定标记。” | 对比文件明确公开了基于图像离群集中心的距离（d，相当于第一阈值）或属于某一百分比（p，相当于第三阈值）来为图像指派标记。虽然未明确提及“预定义图像数目小于第二阈值”，但特征D以“和/或”连接多个条件，对比文件已公开其中两个核心条件（距离和百分比），因此该技术特征被直接公开。 |
| **特征E：** 修改所指派的标记。 <br> **《直接公开》** | 第[0391]段：“用户可基于用户偏好和/或文件夹中的图像来重新命名初始文件夹。” <br> 第[0393]段：“用户可标记这些群集和/或修改这些群集的内容。” | 对比文件多次公开了用户可以根据偏好重新命名文件夹或修改群集标记，这直接对应于“修改所指派的标记”这一技术特征。 |
| **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。 <br> **《直接公开》** | 第[0395]段：“可执行分类器（诸如，多层感知器分类器或支持向量机器分类器）以仅仅重新标记被移动的图像。” <br> 第[0397]段：“神经网络基于一个或多个图像从一个群集移至另一群集来学习用户偏好。……基于对神经网络分类器的实时训练来修改群集。” <br> 图5C及相关描述（框534）：基于经更新的标记来重新训练经训练的分类器。 | 对比文件明确公开了当用户移动图像（导致标记修改）后，会触发对分类器（如多层感知器）的重新训练，以学习用户偏好。这与特征F“用所述图像来重新训练所述第一预先训练的分类器”完全一致。 |
| **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。 <br> **《直接公开》** | 第[0397]段：“基于对分类器的重新训练来在文件夹中对图像进行重新分拣。” <br> 图5C（框536）：基于对分类器的重新训练来在文件夹中对图像进行重新分拣。 | 对比文件公开了在重新训练分类器后，会使用该分类器对图像进行重新分拣（即重新分类）。这与特征G完全一致。 |
| **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)。 <br> **《直接公开》** | 第[0389]段：“可在所标记的特征向量上训练分类器（诸如，支持矢量机器(SVM)分类器或多层感知器）。” | 对比文件明确列举了“支持矢量机器(SVM)分类器”和“多层感知器”作为可用的分类器。特征H为“或”关系，只要对比文件公开了其中一种（SVM或MLP），即构成对该技术特征的直接公开。逻辑回归和最接近的邻居虽未提及，但不影响该特征被公开的判断。 |
| **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。 <br> **《直接公开》** | 第[0391]段：“经分类的图像可被分拣到文件夹中，以使得每个分类有一个文件夹。” | 对比文件公开了将已经分类（即已获得标记）的图像分拣到对应的文件夹中，每个文件夹对应一个分类（群）。这直接对应于基于标记将图像分类到群中。 |
| **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。 <br> **《直接公开》** | 同上（第[0391]段）。 | 对比文件公开了将图像分拣到文件夹，且文件夹与分类（群）对应。这必然包括基于图像所属的群将其放置到特定文件夹中。 |
| **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。 <br> **《未公开》** | 无相应内容。 | 对比文件未提及使用“非特定名称”（如通用、默认名称）来命名文件夹。文件夹的初始命名来源于分类器指派的标记或用户定义，并非特指“非特定名称”。 |
| **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。 <br> **《直接公开》** | 第[0391]段：“可指定第二经训练的分类器以向文件夹指派标记。” | 对比文件明确公开了可以使用第二个经训练的分类器来为文件夹指派标记（即确定文件夹名称）。这与特征L完全一致。 |
| **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。 <br> **《直接公开》** | 第[0391]段：“可将群集中心输入第二经训练的分类器以使得初始标记被给予每个文件夹。” | 对比文件明确公开了将群集中心输入第二分类器，从而为文件夹赋予初始标记（名称）。这直接对应于基于群集中心的分类来确定文件夹名称。 |
| **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。 <br> **《未公开》** | 无相应内容。 | 对比文件未提及使用“多数裁定规则”（即根据文件夹内多数图像的标记来决定文件夹名称）来确定文件夹名称。 |
| **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。 <br> **《直接公开》** | 第[0391]段：“用户可基于用户偏好和/或文件夹中的图像来重新命名初始文件夹。” <br> 第[0393]段：“用户可以重新标记一个或多个文件夹。” | 对比文件明确公开了用户可以通过输入来重新命名（修改）文件夹或为其指派新的标记（名称）。 |
| **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。 <br> **《未公开》** | 无相应内容。 | 对比文件公开了重新训练第一分类器（特征F），但未提及为了纳入用户修改或新指派的文件夹名称而去重新训练第二分类器。 |
| **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。 <br> **《直接公开》** | 第[0399]段（对应图5B）：“将新图像输入具有特征提取器的预先训练的深度卷积网络。……特征提取器输出新图像的特征向量。……将该特征向量输入经训练的分类器。……经训练的分类器可基于分类来将图像放置在文件夹中。” | 对比文件明确描述了对于新图像，先提取其特征向量，然后应用经训练的分类器确定其分类（群），最后将其放置到对应文件夹中的完整流程。 |
| **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。 <br> **《直接公开》** | 同特征E引用（第[0391]、[0393]段）。 | 用户重新命名文件夹或修改群集内容，本质上是接收用户对已指派标记的修改输入。 |
| **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。 <br> **《直接公开》** | 第[0393]段：“用户可将该一个或多个图像从建筑物群集移至人的群集。” <br> 第[0395]段（图5C，框530）：“用户将图像从第一文件夹移至第二文件夹。” | 对比文件明确公开了用户通过将图像从一个文件夹（群集）移动到另一个文件夹来改变其所属类别，这实质上修改了该图像所指派的标记。 |
| **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。 <br> **《隐含公开》** | 第[0401]段：“用户可与其它用户共享用户指定的图像种类。” | 对比文件公开了用户之间可以共享“用户指定的图像种类”。在图像管理系统的上下文中，共享“种类”必然涉及共享用于定义或识别该种类的核心信息，本领域技术人员能够毫无疑义地推断出，这可以包括实现该种类的分类器模型或表征该种类的群集中心列表。因此，该技术特征被隐含公开。 |
| **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。 <br> **《未公开》** | 无相应内容。 | 对比文件仅提及共享种类，但未描述将共享的群集中心列表与接收方的列表进行“组合”的具体操作，也未提及通过此组合来为接收方创建标记并更新其分类器。 |
| **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。 <br> **《直接公开》** | 第[0401]段：“用户可与其它用户共享用户指定的图像种类。” | 对比文件直接公开了用户可以将自己定义的图像种类（即类别或群集）共享给其他用户。 |
<<<A>>><<<C>>><<<D>>><<<E>>><<<F>>><<<G>>><<<H>>><<<I>>><<<J>>><<<L>>><<<M>>><<<O>>><<<Q>>><<<R>>><<<S>>><<<V>>><<<t>>>