对比文件名称：US2013218813A1_Description_20260221_0615
目标专利名称：189照片管理CN106104577B
本次调用模型名称：深度思考的专利特征比对模型
| 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**：用第一预先训练的分类器来确定多个所存储图像的特征，《未公开》 | 对比文件未提及确定“所存储图像的特征”。相关描述如：[0016] “...classifier algorithms such as naïve-base, k-nearest neighbors, support vector machines, decision-trees, linear classification, or the like. Additionally or alternatively, the classifier tool may provide continuous output (e.g., continuous classification algorithms such as linear regression, logistic regression, Lasso algorithm, LOESS, and the like).” | **直接公开判断**：目标专利中的“第一预先训练的分类器”用于从存储的图像中“确定特征”，例如说明书第[0098]段描述的深度卷积网络特征提取器，其输出是用于后续分群集的特征向量。对比文件中的分类器工具（CT）用于对数据点（dataset）进行“预测”（predict）以获得标签（label），如[0016]段所述。虽然分类器在预测过程中必然涉及对数据特征的处理，但对比文件明确公开的是分类器“提供预测”（provide a predication），而非输出供其他模块（如分群集模块）使用的“特征”。本领域技术人员无法从对比文件毫无疑义地得出分类器被用作特征提取器以输出特征向量的技术方案。<br>**隐含公开判断**：对比文件描述了分类器基于特征进行预测，但未提及将中间层的特征向量输出用于其他目的（如无监督分群集）。其整个流程（图2B、2C）是预测标签和可靠性，而非提取特征。因此，即使考虑宽松的隐含公开标准，也无法合理推断出对比文件公开了使用分类器来“确定多个所存储图像的特征”这一特定技术手段。 |
| **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》 | [0056] “In Step 256, a CT, such as 210, may be trained using the training dataset.” <br>[0050] “In Step 276, a data-point is obtained for labeling prediction.” <br>[0051] “In Step 280, the CT may provide a label prediction for the data-point.” | **直接公开判断**：对比文件没有直接文字记载测试数据（所存储图像）的特征与训练数据的特征不同。因此，未被直接公开。<br>**隐含公开判断**：对比文件明确区分了“训练阶段”（图2C步骤252-272）和“预测/测试阶段”（步骤276-298）。在预测阶段，分类器（CT）用于对新的数据点（data-point）进行预测（步骤280），这些新数据点显然不是训练数据集的一部分。本领域技术人员公知，机器学习分类器被训练后，正是用于处理与训练数据具有相同特征维度但具体数值不同的新数据。因此，通过对比文件对训练和预测两个阶段的划分，可以合理推断出，在预测阶段输入分类器的数据（可对应于“所存储图像”）其特征（即特征向量的具体取值）不同于用于训练该分类器的训练数据。该特征在目标专利中的作用是说明特征提取器的泛化能力（见说明书[0101]段），在对比文件中，其隐含的作用是体现分类器对新实例的预测能力，两者在“处理新数据”这一根本目的上相同。因此，该技术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，《未公开》 | 对比文件全文未提及“分群集”（clustering）、“群集”（cluster）或“指派给群集”等相关概念。 | **直接公开判断**：对比文件完全没有涉及任何形式的分群集操作。因此，未被直接公开。<br>**隐含公开判断**：对比文件的核心是使用分类器（CT）进行预测，并使用另一个分类器（RCT）评估预测的可靠性。其处理流程是监督或半监督式的分类/回归，而非无监督或基于特征相似性的分群集。本领域技术人员无法从对比文件关于分类和可靠性预测的内容中，推理出“基于特征将图像指派给群集”这一截然不同的技术手段。因此，未被隐含公开。 |
| **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》 | 对比文件全文未提及“群集中心”、“距离阈值”、“图像数目阈值”或“图像百分比阈值”等概念。 | **直接公开判断**：对比文件完全没有涉及基于群集中心距离或比例阈值来指派标记的机制。因此，未被直接公开。<br>**隐含公开判断**：该技术特征涉及图像管理系统中非常具体的标记指派规则，与对比文件解决的分类可靠性预测问题无关。对比文件中标记（label）的指派是基于分类器的直接预测（CT）或可靠性评估（RCT），而非基于与群集中心的几何关系。无法从对比文件内容中进行任何合理的逻辑推理以得到该技术特征。因此，未被隐含公开。 |
| **技术特征E**：修改所指派的标记，《未公开》 | 对比文件未提及用户可以修改由分类器指派的标签（label）或可靠性标签（reliability label）。 | **直接公开判断**：对比文件没有公开用户修改预测结果或标记的步骤。因此，未被直接公开。<br>**隐含公开判断**：对比文件在[0054]段提到用户可以根据输出信息决定行动（Step 296），并可选地提供反馈以改进分类器。这种“反馈”可能隐含了对预测结果的纠正，但对比文件并未将其描述为“修改所指派的标记”这一明确的用户交互步骤。更重要的是，目标专利中“修改标记”是用户主动干预分类结果并触发系统重新学习的关键环节（见说明书[0111]段），而对比文件中的反馈更侧重于被动地提供正确标签以供模型自适应更新。两者在用户交互的主动性、具体操作和对系统状态的直接影响上存在差异。基于宽松标准，仍难以认定对比文件隐含公开了“修改所指派的标记”这一具体特征。因此，未被隐含公开。 |
| **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》 | 对比文件未提及基于用户修改标记的行为来重新训练分类器。 | **直接公开判断**：对比文件没有公开基于用户修改标记来重新训练分类器的步骤。因此，未被直接公开。<br>**隐含公开判断**：对比文件在[0054]段提到可以向分类器（CT和/或RCT）提供反馈（feedback）以改进未来预测。这属于机器学习中常见的利用新标注数据更新模型的做法。然而，该反馈机制并未与“用户修改标记”这一特定事件明确关联。目标专利中“重新训练”是响应用户移动图像（即修改图像所属群集/标记）这一具体操作（说明书图5C，[0123]段）。对比文件的反馈机制是通用的，可能基于各种来源的正确标签。虽然可以宽泛地认为“提供正确标签”隐含了“标记被修改/确认为正确”的情况，但将其严格对应于目标专利中“当所指派的标记被修改时”这一触发条件并进行重新训练，逻辑链条不够直接和必然。因此，基于审慎判断，认为未被隐含公开。 |
| **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》 | 对比文件未提及在用户交互或重新训练后，对已有图像进行“重新分类”。 | **直接公开判断**：对比文件没有公开对图像进行重新分类的步骤。因此，未被直接公开。<br>**隐含公开判断**：对比文件的流程是线性的：对新数据点进行预测和可靠性评估（图2B）。即使分类器通过反馈被重新训练，其应用对象也是后续的新数据点，而非对之前已处理的数据点进行“重新分类”。目标专利的重新分类（图5C框536）是针对已存在于文件夹中的图像，在用户修改和分类器更新后，重新调整其分类位置。对比文件未体现这种对系统内部已有数据项的再处理循环。因此，无法从对比文件推理出该技术特征。 |
| **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》 | [0016] “...classifier algorithms such as naïve-base, k-nearest neighbors, support vector machines, decision-trees, linear classification, or the like. Additionally or alternatively, the classifier tool may provide continuous output (e.g., continuous classification algorithms such as linear regression, logistic regression, Lasso algorithm, LOESS, and the like).” | **直接公开判断**：对比文件第[0016]段明确列举了分类器工具（CT）可以使用的算法，其中包括“支持向量机”（support vector machines）、“逻辑回归”（logistic regression）和“k近邻”（k-nearest neighbors，即“最接近的邻居”）。虽然未明确列出“多层感知器”（MLP），但MLP是本领域公知的常用分类模型，属于“线性分类”（linear classification）或更广泛的神经网络分类器的范畴。本领域技术人员阅读该段后，能毫无疑义地得出对比文件公开的分类器可以是SVM、逻辑回归或k近邻。这些算法在对比文件中的作用是进行数据分类预测，与目标专利中“第一预先训练的分类器”所起的基础分类作用相同。因此，该技术特征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。《未公开》 | 对比文件未提及“群”（group）的概念或基于标记将图像分类到群中的操作。 | **直接公开判断**：对比文件没有公开将图像分类到“群”中的步骤。因此，未被直接公开。<br>**隐含公开判断**：对比文件中分类器（CT）的输出是预测的“标签”（label）。在广义上，拥有相同标签的数据点可以被认为是一个“群”。然而，目标专利中的“分类到群中”是特指在分群集（clustering）之后的一个具体管理步骤，可能与文件夹组织相关（见说明书[0104]段）。对比文件仅关注预测本身及可靠性，并未涉及对带有标签的数据进行进一步的组织或结构化（如分成“群”）。因此，该具体技术手段未被隐含公开。 |
| **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》 | 对比文件全文未提及“文件夹”（folder）或基于分类结果将数据放置到文件夹中的操作。 | **直接公开判断**：对比文件完全没有涉及文件系统或图像文件夹管理的任何内容。因此，未被直接公开。<br>**隐含公开判断**：对比文件处理的是抽象的数据点及其预测，应用场景可以是临床诊断等，与图像管理、文件夹组织无关。无法从对比文件内容推理出将图像放入文件夹这一具体应用场景特征。因此，未被隐含公开。 |
| **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。《未公开》 | 对比文件未涉及文件夹命名。 | **直接公开判断**：对比文件没有公开文件夹命名。因此，未被直接公开。<br>**隐含公开判断**：由于对比文件未公开“文件夹”这一前提特征，其命名方式自然也无法被推理得出。因此，未被隐含公开。 |
| **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》 | 对比文件未涉及使用分类器确定文件夹名称。 | **直接公开判断**：对比文件没有公开使用分类器确定文件夹名称。因此，未被直接公开。<br>**隐含公开判断**：对比文件确实使用了两个分类器（CT和RCT），但第二个分类器（RCT）用于预测可靠性，而非用于确定文件夹名称。两者功能完全不同。无法从对比文件推理出使用分类器来命名文件夹。因此，未被隐含公开。 |
| **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》 | 对比文件未涉及“群集中心”或基于其分类来确定文件夹名称。 | **直接公开判断**：对比文件没有公开基于群集中心分类来确定文件夹名称。因此，未被直接公开。<br>**隐含公开判断**：该技术特征依赖于“群集中心”、“群的标记”等未被对比文件公开的概念，因此无法从对比文件中推理得出。 |
| **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》 | 对比文件未涉及“多数裁定规则”或文件夹名称确定规则。 | **直接公开判断**：对比文件没有公开基于多数裁定规则确定文件夹名称。因此，未被直接公开。<br>**隐含公开判断**：该技术特征与对比文件所解决的技术问题无关，无法从中推理得出。 |
| **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》 | 对比文件未涉及接收用户输入以修改或指派文件夹名称。 | **直接公开判断**：对比文件没有公开用户修改或指派文件夹名称的步骤。因此，未被直接公开。<br>**隐含公开判断**：由于对比文件未公开“文件夹”及“文件夹名称”，因此接收修改文件夹名称的用户输入这一特征也无法被推理得出。 |
| **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》 | 对比文件未涉及基于群集中心或特征向量重新训练分类器以更新文件夹名称。 | **直接公开判断**：对比文件没有公开为更新文件夹名称而重新训练分类器。因此，未被直接公开。<br>**隐含公开判断**：该技术特征综合了多个未被公开的子特征（群集中心、文件夹名称更新、为此目的重新训练分类器），无法从对比文件推理得出。 |
| **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》 | 对比文件未涉及将新数据点“放置在文件夹中”。 | **直接公开判断**：对比文件没有公开将新图像放入文件夹的步骤。因此，未被直接公开。<br>**隐含公开判断**：对比文件描述了对新数据点进行分类预测（步骤280）和可靠性评估（步骤284），但未提及将其结果（如预测标签）用于组织到文件夹结构中。因此，该技术特征未被隐含公开。 |
| **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。《未公开》 | 同技术特征E论述，对比文件未提及接收用户输入以修改标记。 | **直接公开判断**：同技术特征E，未被直接公开。<br>**隐含公开判断**：同技术特征E，基于审慎判断，认为未被隐含公开。 |
| **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》 | 对比文件未涉及“文件夹”或图像在文件夹间的移动。 | **直接公开判断**：对比文件没有公开通过移动图像来修改标记的步骤。因此，未被直接公开。<br>**隐含公开判断**：该技术特征是目标专利图像管理系统的核心交互操作之一（说明书[0111]段），完全不在对比文件所涉技术领域内，无法推理得出。 |
| **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》 | 对比文件全文未提及用户间共享分类器或列表。 | **直接公开判断**：对比文件没有公开共享分类器或群集中心列表。因此，未被直接公开。<br>**隐含公开判断**：对比文件是单用户系统描述，未涉及多用户协作或共享场景。无法从中推理出共享功能。 |
| **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》 | 对比文件未涉及群集中心列表的组合与更新。 | **直接公开判断**：对比文件没有公开组合群集中心列表以更新分类器。因此，未被直接公开。<br>**隐含公开判断**：该技术特征依赖于“群集中心列表”、“用户共享”等多个未被公开的概念，无法推理得出。 |
| **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》 | 对比文件未涉及共享用户定义的种类。 | **直接公开判断**：对比文件没有公开共享用户定义的种类。因此，未被直接公开。<br>**隐含公开判断**：同技术特征T、U，无法从对比文件推理得出。 |
<<<H>>><<<b>>>