**对比文件名称**：US2014376819A1_Description_20260221_0618
**目标专利名称**：照片管理CN106104577B
**本次调用的模型名称**：gpt-4o
**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 | ||
| **技术特征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，《隐含公开》 | 对比文件[0058]段：“This process may be lopped over a set of semantics, e.g. ‘people’, ‘face’, ‘mountain’, ‘cats’, ‘computer’, ‘smart phone,’ ‘food,’ ‘clothes,’ and so forth to form final image descriptors.” 以及 [0063]段：“Such simple classifiers include thresholding on distance classifier δ(dist(xi ,y)⟨εi ), logistic regression classifiers and linear Support Vector Machines (SVM's).” | 目标专利中，使用预先训练的分类器（如SVM、MLP）从图像中提取特征向量（参见[0098]-[0100]）。对比文件[0058]描述了通过在一组语义类别（如人、脸、山等）上学习分类器，分类器的输出构成最终的图像描述符（特征）。[0063]明确提到了线性支持向量机（SVM）作为分类器的一种。这表明对比文件公开了使用预先训练的分类器（如SVM）来获取图像的特征（描述符）。虽然对比文件没有明确使用“第一预先训练的分类器”这一术语，但其描述的为多个语义类别训练分类器并输出特征的过程，与本领域技术人员理解的“用预先训练的分类器确定图像特征”在实质上是相同的。因此，该特征被隐含公开。 | ||
| **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，《直接公开》 | 对比文件[0067]段：“Positive: {xj \ | xj εS(xi ), lj = li }, or the samples that share the same label as xi” 以及 “Negative: {xj \ | xj εS(xi ), lj ≠ li }, or the samples that do not share the same label as xi”。 | 目标专利强调，用于确定特征的第一预先训练的分类器，其训练图像（训练样本）与待处理的“所存储图像”是不同的（参见权利要求）。对比文件[0067]描述了训练“局部专家模型”分类器C(xi, y)时，使用的正样本和负样本是从图像数据库X中检索出的与查询样本xi相似（S(xi)）但具有相同或不同标签的图像。这意味着，当使用该训练好的分类器来处理一个新的查询图像y时，y本身并非训练该分类器所用的训练样本集（正负样本集）的一部分。这直接符合“所存储图像（查询图像y）的特征不同于用于训练分类器的多个训练图像”这一技术特征。因此，该特征被直接公开。 |
| **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，《隐含公开》 | 对比文件[0056]段：“This may be done by doing k-means clustering of patches randomly drawn from the database, and use the mean of each cluster as filters.” | 目标专利中，基于提取的特征向量，使用k-means等分群集方法将图像指派给群集（参见[0100]）。对比文件[0056]提到，可以通过对从数据库中随机抽取的图像块进行k-means分群集，并使用每个群集的均值作为滤波器。虽然此处分群集的对象是图像块（patches）以学习滤波器，但“k-means clustering”这一技术手段本身公开了基于数据（如图像块的特征）将其划分到不同群集的思想。本领域技术人员可以合理推断，如果将“图像块”替换为“整个图像的特征向量”，那么使用k-means基于特征将图像指派给群集是显而易见的应用。因此，该特征被隐含公开。 | ||
| **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》 | 对比文件中未找到关于基于距离阈值、数目阈值或百分比阈值来指派标记的相关内容。 | 目标专利中，为图像指派标记有特定的、可选的条件逻辑：基于到群集中心的距离、或关联图像的数目、或关联图像的百分比是否小于某个阈值（参见权利要求及[0102]）。对比文件主要涉及通过图像搜索匹配和局部专家模型来传递标签，其标签指派基于检索图像的标签投票和分类器判断（[0059]-[0063]），并未公开上述基于群集中心距离、数目或百分比阈值的具体标记指派逻辑。因此，该特征未被对比文件公开。 | ||
| **技术特征E**：修改所指派的标记，《隐含公开》 | 对比文件[0071]段：“The tags for each pixel are unique. A majority vote may be used to clean up the noise in tag transfer.” | 目标专利中，用户或系统可以修改已指派的标记（参见[0111]-[0117]）。对比文件[0071]提到，可以使用多数表决（majority vote）来清理标签传递中的噪声。这隐含了在初始标签指派后，存在一个对标签进行“清理”即修改或修正的过程。虽然对比文件中的“清理”可能更多是自动过程，而目标专利包括用户手动修改，但“修改所指派的标记”这一上位概念包含了自动和手动方式。本领域技术人员可以从“清理噪声”这一表述中合理推断出对已指派标记进行修改的可能性。因此，该特征被隐含公开。 | ||
| **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》 | 对比文件中未找到关于在标记被修改后，重新训练用于特征提取的第一预先训练的分类器的相关内容。 | 目标专利中，当用户移动图像或修改标记后，会用涉及到的图像重新训练第一预先训练的分类器（如SVM、MLP）（参见[0110], [0134]）。对比文件虽然提到了训练局部专家模型（[0066]-[0067]），但这是用于判断是否传递标签的分类器，并非用于提取特征的那个“第一预先训练的分类器”。且对比文件未提及在标签信息（标记）被修改或更新后，重新训练特征提取分类器的过程。因此，该特征未被对比文件公开。 | ||
| **技术技术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》 | 对比文件中未找到关于基于重新训练后的分类器对图像进行重新分类的具体描述。 | 目标专利中，在重新训练分类器后，会基于这个更新后的分类器对图像进行重新分类（参见权利要求）。对比文件描述了初始的识别/分类流程，但没有揭示在系统学习用户偏好或标签被修改后，重新训练核心分类器并据此进行全局重新分类的闭环过程。因此，该特征未被对比文件公开。 | ||
| **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[0063]段：“Such simple classifiers include thresholding on distance classifier δ(dist(xi ,y)⟨εi ), logistic regression classifiers and linear Support Vector Machines (SVM's).” | 目标专利限定第一预先训练的分类器具体为SVM、逻辑回归、最接近的邻居或MLP（参见权利要求）。对比文件[0063]明确列举了逻辑回归分类器（logistic regression classifiers）和线性支持向量机（linear Support Vector Machines (SVM’s)）作为可用的分类器类型。虽然未提及“最接近的邻居”和“多层感知器(MLP)”，但已公开了具体类型中的两种（SVM和逻辑回归）。根据专利审查中的“具体公开原则”，当对比文件公开了权利要求中并列选择的一些具体选项时，可以认为该限定被公开。因此，该特征被直接公开。 | ||
| **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。《隐含公开》 | 对比文件[0071]段：“A majority vote may be used to clean up the noise in tag transfer.” 以及图7展示了标签被整合/修剪后输出解析图像。 | 目标专利中，在图像被指派标记后，可以基于标记将图像分类到“群”中（参见权利要求）。对比文件通过图像搜索和标签传递，最终目的是为了识别和分类图像中的对象（如图7解析图像）。[0071]提到用多数表决清理标签，这隐含了基于清理后的标签信息对图像区域或内容进行分类或确定归属的过程。虽然“群”是目标专利的特定表述，但将具有相同或相似标签的图像归为一类（即分类到群中）是图像标签应用的常见结果。本领域技术人员可以合理推断出这一步骤。因此，该特征被隐含公开。 | ||
| **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》 | 对比文件中未找到关于将图像基于分类或群组放置到文件夹（folder）中的相关内容。 | 目标专利的一个核心应用是将分好类的图像自动放入不同的文件夹中进行管理（参见[0107], [0126]）。对比文件关注于图像内对象的识别和标签标注（如图7），其输出是带标签的解析图像或标签信息本身，并未涉及将整个图像文件基于类别组织到文件系统文件夹中的操作。这是目标专利图像管理功能与对比文件图像识别功能在应用场景上的显著区别。因此，该特征未被对比文件公开。 | ||
| **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》 | 对比文件中未涉及文件夹命名机制。 | 目标专利包括使用非特定名称（如默认名称）命名文件夹的步骤（参见权利要求）。由于对比文件根本没有公开“文件夹”这一概念，因此更不可能公开其命名方式。该特征未被对比文件公开。 | ||
| **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》 | 对比文件中未涉及使用分类器来确定文件夹名称。 | 目标专利可以使用第二预先训练的分类器，基于群集中心等信息来确定特定的文件夹名称（参见权利要求及[0108]）。对比文件未提及任何与文件夹命名相关的分类器。因此，该特征未被对比文件公开。 | ||
| **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》 | 对比文件中未涉及上述具体确定文件夹名称的逻辑。 | 该特征依赖于“第二预先训练的分类器”和“群集中心的分类”等未被对比文件公开的概念，因此也未被公开。 | ||
| **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》 | 对比文件中未涉及文件夹名称的确定规则。 | 对比文件[0071]提到的“多数裁定规则”（majority vote）用于清理标签噪声，而非用于确定文件夹名称。该特征未被对比文件公开。 | ||
| **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》 | 对比文件中未涉及文件夹名称的用户交互修改。 | 目标专利允许用户修改或指派新的文件夹名称（参见[0111]）。对比文件未涉及任何与文件夹相关的用户交互。因此，该特征未被对比文件公开。 | ||
| **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》 | 对比文件中未涉及重新训练用于文件夹命名的分类器。 | 该特征依赖于未被对比文件公开的“第二预先训练的分类器”、“文件夹名称”等概念，因此也未被公开。 | ||
| **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。《未公开》 | 对比文件中未涉及将新图像放入文件夹的操作。 | 对比文件可以处理新查询图像（y）并识别其内容（[0059]），但未公开将其“放置在文件夹中”这一管理操作。因此，该特征未被对比文件公开。 | ||
| **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。《隐含公开》 | 对比文件[0071]段提及清理标签噪声，这可能涉及自动或半自动的标记修改。用户输入作为修改标记的一种常见方式，本领域技术人员可以合理推断。 | 目标专利包括接收用户输入以修改标记（参见[0116]）。对比文件虽未明确提及“用户输入”，但其描述的“清理噪声”过程可能隐含着系统自动修改或允许人工干预以修改标记。考虑到图像标记系统允许用户修正结果是合理的扩展，本领域技术人员可以推断出存在接收用户输入修改标记的可能性。因此，该特征被隐含公开。 | ||
| **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》 | 对比文件中未涉及“文件夹”概念及图像在文件夹间的移动。 | 该特征明确依赖于“文件夹”这一未被对比文件公开的概念。因此，该特征未被对比文件公开。 | ||
| **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》 | 对比文件中未涉及在用户间共享分类器或群集中心列表。 | 目标专利支持用户间共享分类器或群集中心以实现分类偏好迁移（参见[0117]）。对比文件未提及任何此类共享功能。因此，该特征未被对比文件公开。 | ||
| **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》 | 对比文件中未涉及上述共享与组合的机制。 | 该特征是基于特征T的进一步细化，由于特征T未被公开，此特征也未被公开。 | ||
| **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》 | 对比文件中未涉及在用户间共享自定义种类（类别）。 | 目标专利允许共享用户定义的种类（参见[0117]）。对比文件未提及任何用户自定义种类或共享功能。因此，该特征未被对比文件公开。 |
**结论代码**：根据以上分析，对比文件直接公开了技术特征B和H，隐含公开了技术特征A、C、E、I、R。
<<<B>>><<<H>>><<<a>>><<<c>>><<<e>>><<<i>>><<<r>>>