对比文件名称：US8913152B1_Description_20260220_0344
目标专利名称：189照片管理CN106104577B
本次调用的模型名称：gpt-4o
| 技术特征描述以及公开性判断结果 | 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，《隐含公开》 | 参见说明书第[0087]段：“When the quality and/or similarity weights (or the corresponding quality features and/or similarity features) are learned using support vector machines (SVMs), the photo album adjustment module 324 may also perform incremental machine learning techniques for SVMs.” 以及第[0099]段：“The analysis of the reference photo collection 120 can include performing machine learning of the first set of weights using an L2 regularization with an L2-loss (squared loss) function.” | 对比文件公开了使用支持向量机（SVM）等机器学习技术，从参考照片集合（reference photo collection）中学习质量权重和相似性权重（即“质量度量和相似性矩阵”的参数）。这些权重用于计算每张照片的质量度量和照片间的相似性矩阵，进而用于选择照片子集。虽然对比文件中的SVM主要用于学习权重参数，而非直接作为“特征提取器”，但本领域技术人员可以理解，SVM作为一种分类器，其训练过程必然涉及对输入数据（如图像）特征的识别、分析和建模。从参考照片集合中“学习”权重，隐含了该SVM已基于训练图像（参考照片）进行了预先训练，并且其内部模型（即学习到的权重）能够用于处理新图像（用户照片）以评估其质量与相似性特征。因此，对比文件隐含公开了使用一个预先训练的机器学习模型（如SVM）来处理图像，以确定与图像管理相关的“特征”（即质量与相似性相关的度量）。 |
| 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》 | 参见说明书第[0068]段：“The database 120 can store a reference photo collection composed of one or more reference photos to be used as reference by the techniques of the present disclosure.” 以及第[0076]段：“The photo management module 212 can receive a plurality of photos (a photo collection)...” | 对比文件明确其系统接收用户提供的“多张照片”（a plurality of photos）作为处理对象，同时使用一个独立的“参考照片集合”（reference photo collection）来学习模型参数（如SVM的权重）。目标专利中“所存储图像”对应于用户照片，“训练图像”对应于参考照片集合。本领域技术人员能够毫无疑义地理解，用于学习通用质量/相似性标准的参考照片集合（可能来自公共数据库）与用户具体要管理的个人照片集合，在内容上是不同的。因此，对比文件隐含公开了所处理的图像特征（源自用户照片）与用于训练分类器（如SVM）的图像（参考照片）是不同的。 |
| 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》 | 参见说明书第[0066]段：“The techniques can include determining one or more clusters for the subset of the plurality of photos using a hierarchical clustering algorithm...” 以及第[0077]段：“The cluster determination module 304 can determine one or more clusters for the subset of the plurality of photos using a hierarchical clustering algorithm.” | 对比文件明确公开了使用层次聚类算法（hierarchical clustering algorithm）为选出的照片子集确定一个或多个聚类（clusters）。聚类操作本身就是基于图像的特征（如前文所述的质量和相似性特征）将每个图像指派到一个群集中的过程。这直接公开了技术特征C。 |
| 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《隐含公开》 | 对比文件未明确记载基于距离、数目或百分比阈值来指派“标记”（label）。其聚类过程是基于算法自动进行的。 | 虽然对比文件没有明确提及“标记”或所述的具体阈值条件，但其使用聚类算法（如层次聚类）对图像进行分组。本领域技术人员公知，聚类算法的本质是基于数据点（此处为图像特征向量）与聚类中心（或聚类原型）的距离或相似度来分配数据点到各个簇。在无监督聚类中，这种分配可以被视为一种隐式的“指派”。虽然对比文件未明确说明使用“距离小于阈值”、“数目小于阈值”或“百分比小于阈值”作为指派“标记”（例如分类标签）的精确条件，但这些条件是实现选择性标记或“强标记”的具体实施方式。对比文件公开了基于特征进行聚类（即一种指派），隐含了存在某种衡量图像与群集关联强度的标准（如距离），而所述阈值条件是本领域技术人员为了实现特定标记策略（如仅标记高置信度样本）而容易想到和采用的常规技术手段。因此，该技术特征被对比文件隐含公开。 |
| 技术特征E：修改所指派的标记《隐含公开》 | 参见说明书第[0066]段：“The techniques can also include adjusting at least one of the clustering (the one or more clusters) and the automatic photo album generation (the subset of the plurality of photos) based on user input. The user input can include at least one of adding a photo to a specific cluster, deleting a photo from the specific cluster, and moving a photo from the specific cluster to another of the one or more clusters.” | 对比文件公开了基于用户输入调整聚类，例如向特定聚类添加照片、从特定聚类删除照片、或将照片从一个聚类移动到另一个聚类。当用户执行这些操作时，实际上改变了图像与聚类（即群集）的从属关系。在图像管理的语境下，这种聚类从属关系的变化，可以理解为对图像所属类别或“标记”的修改。因此，对比文件隐含公开了修改所指派的标记（通过修改图像与聚类的关联来实现）。 |
| 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《直接公开》 | 参见说明书第[0086]-[0087]段：“Therefore, for example, at least one of the quality metrics and the similarity matrix can be adjusted when the user input corresponds to at least one of adding the first specific photo from the remainder of the plurality of photos to the specific cluster and deleting the second specific photo from the specific cluster. In this case, the photo album adjustment module 324 can adjust at least one of the quality metric and the similarity matrix to obtain at least one of modified quality metrics and a modified similarity matrix.” 以及第[0087]段：“By selectively adjusting the quality weights and/or similarity weights, the photo album adjustment module 324 can customize the automatic photo album generation performed by the photo album generation module 300 based on the user's preferences...” | 对比文件明确说明，当用户进行添加或删除照片到/从聚类的操作时，系统会调整质量度量（quality metrics）和/或相似性矩阵（similarity matrix）。这些度量和矩阵是基于从参考照片集合学习到的权重（如通过SVM学习）生成的。调整这些度量和矩阵，意味着底层用于计算它们的模型参数（即SVM的权重）需要根据新的用户反馈（即修改了图像与聚类的关联，可视为标记的修改）进行更新或重新学习。这直接对应于“用所述图像来重新训练所述第一预先训练的分类器”。因此，技术特征F被对比文件直接公开。 |
| 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。《直接公开》 | 参见说明书第[0086]段：“The photo album adjustment module 324 can then command the photo album generation module 320 to selecting a second modified subset of the plurality of photos by performing joint global maximization of photo quality and photo diversity using at least one of the modified quality metrics and the modified similarity matrix. The cluster determination module 304 can then determine a second plurality of modified clusters for the second modified subset of the plurality of photos using the hierarchical clustering algorithm.” | 在根据用户输入调整了质量度量/相似性矩阵（即隐含重新训练了分类器）之后，对比文件公开了系统会使用修改后的度量和矩阵重新选择照片子集，并重新确定聚类。这个“重新确定聚类”（re-clustering）的过程，就是基于更新后的模型（即“预先训练的分类器”的更新版本）对图像进行的重新分类或重新分群集。因此，技术特征G被对比文件直接公开。 |
| 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》 | 参见说明书第[0087]段：“When the quality and/or similarity weights (or the corresponding quality features and/or similarity features) are learned using support vector machines (SVMs)...” | 对比文件明确记载使用支持向量机（SVM）来学习质量权重和相似性权重。SVM是技术特征H中列举的选项之一。因此，技术特征H被对比文件直接公开。 |
| 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》 | 参见说明书第[0066]段：“The techniques can include determining one or more clusters for the subset of the plurality of photos using a hierarchical clustering algorithm, and storing the subset of the plurality of photos according to the one or more clusters.” 以及第[0077]段：“The photo grouping module 308 can divide the subset of the plurality of photos into groups based on the one or more clusters to obtain one or more groups of photos.” | 对比文件公开了基于确定的聚类（clusters）将照片子集分成组（groups）。这里的“聚类”就是基于图像特征（可视为一种无监督的“标记”）形成的。“基于聚类分成组”即等同于“基于对应的标记分类到群中”。因此，技术特征I被对比文件直接公开。 |
| 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。《隐含公开》 | 参见说明书第[0077]段：“The photo grouping module 308 can then store the one or more groups of photos in the memory 208.” | 对比文件公开了将分好组的照片存储在存储器中。在照片管理系统的常规实现中，将照片“分组存储”在逻辑上或物理上通常意味着将它们放置在类似“文件夹”（folder）或“相册”（album）的存储结构中，以便于用户管理和访问。例如，对比文件全文将生成的输出称为“photo album”。本领域技术人员能够理解，将基于聚类分组的照片进行存储，隐含了将它们放置到相应的文件夹或相簿中。因此，技术特征J被对比文件隐含公开。 |
| 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。《隐含公开》 | 对比文件未明确提及文件夹的命名方式。 | 对比文件公开了自动生成相册/聚类并存储。在未提供用户自定义名称的情况下，系统为自动创建的存储结构（如文件夹、相册）赋予一个非特定的、默认的或通用的名称（例如“聚类1”、“相册1”、日期等）是本领域惯用技术手段。因此，技术特征K被对比文件隐含公开。 |
| 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》 | 对比文件中未提及使用任何分类器来确定文件夹或相册的名称。 | 对比文件完全未涉及文件夹或相册的命名机制，更未提及使用一个“第二预先训练的分类器”来完成此任务。文件夹/相册的命名在对比文件中可能是用户手动完成或系统简单自动生成，与使用分类器无关。因此，技术特征L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》 | 对比文件中未提及使用任何分类器来确定文件夹或相册的名称，也未提及基于“群集中心的分类”来确定名称。 | 同技术特征L，对比文件未公开使用分类器进行文件夹命名的方案，因此基于群集中心分类来确定名称的具体方法也无从谈起。技术特征M未被对比文件公开。 |
| 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》 | 对比文件中未提及文件夹命名规则，更未提及“多数裁定规则”。 | 对比文件未公开任何关于如何确定“特定文件夹名称”的具体规则或算法。因此，技术特征N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》 | 对比文件中未提及用户可以修改文件夹或相册的名称。 | 对比文件详细描述了用户可以对聚类内容进行操作（增、删、移照片），但未提及用户可以对聚类或相册本身的名称进行修改或指定新的名称。因此，技术特征O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“第二预先训练的分类器”以及基于文件夹名称重新训练该分类器。 | 由于对比文件未公开使用“第二预先训练的分类器”进行文件夹命名（技术特征L、M），因此自然也不存在基于用户修改的名称来重新训练该分类器的技术方案。技术特征P未被对比文件公开。 |
| 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》 | 参见说明书第[0088]段：“Further, the photo album adjustment module 324 can automatically generate an updated photo album when one or more new pictures are received.” 以及结合第[0086]段描述的重新选择子集和重新聚类过程。 | 对比文件公开了当接收到新照片时，可以自动生成更新后的相册。这个过程隐含了系统会对新照片提取特征（如质量特征和相似性特征），应用已训练（或经用户反馈更新后）的模型（即“分类器”，如用于评估质量和相似性的SVM模型及其权重）进行处理，并最终通过聚类算法确定其所属的群集，然后将其存储在相应的分组/文件夹中。因此，技术特征Q被对比文件隐含公开。 |
| 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》 | 参见说明书第[0066]段：“The user input can include at least one of adding a photo to a specific cluster, deleting a photo from the specific cluster, and moving a photo from the specific cluster to another of the one or more clusters.” | 如技术特征E的论述，用户通过添加、删除或移动照片来调整聚类，实质上是在修改图像与聚类（即一种标记）的关联关系。因此，接收此类用户输入即对应于接收修改所指派标记的输入。技术特征R被对比文件隐含公开。 |
| 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。《直接公开》 | 参见说明书第[0066]段：“The user input can include ... moving a photo from the specific cluster to another of the one or more clusters.” 以及第[0084]段：“Additionally or alternatively, the plurality of clusters may be adjusted when the user input corresponds to moving the second specific photo from the specific cluster to another one of the plurality of clusters...” | 对比文件明确公开了用户可以将照片从一个聚类（cluster）移动到另一个聚类。在图像管理系统中，“聚类”在用户界面和存储逻辑上通常表现为“文件夹”或“相册”。因此，“将图像从第一聚类移至第二聚类”直接等同于“将图像从第一文件夹移至第二文件夹”。这一操作直接导致了图像所指派的标记（即其所属聚类/文件夹）被修改。因此，技术特征S被对比文件直接公开。 |
| 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》 | 对比文件中未提及任何与第二用户共享分类器、模型参数或群集中心列表的功能。 | 对比文件描述的是一个针对单个用户的照片管理系统，其学习过程（如SVM权重调整）用于适应用户个人偏好。全文未提及在不同用户之间共享学习成果（如分类器或群集中心）的机制或功能。因此，技术特征T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》 | 对比文件中未提及共享群集中心列表，也未提及不同用户列表的组合。 | 由于技术特征T（共享）未被公开，因此基于共享进行组合和更新的后续步骤技术特征U也未被对比文件公开。 |
| 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》 | 对比文件中未提及用户可以为类别或群集定义“种类”（例如自定义标签如“日落”、“自然界”），也未提及共享此类用户定义。 | 对比文件中的聚类是基于算法自动生成的，虽然用户可以通过移动照片来调整，但并未描述用户可以主动定义或命名一个类别/种类。更未提及共享这些用户定义。因此，技术特征V未被对比文件公开。 |
<<<C>>><<<F>>><<<G>>><<<H>>><<<I>>><<<S>>>
<<<a>>><<<b>>><<<d>>><<<e>>><<<j>>><<<k>>><<<q>>><<<r>>>