对比文件名称：WO2009131629A1_Description_20260220_0320
目标专利名称：189照片管理CN106104577B
模型名称：未指定
### 特征比对表格
| 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 |
| 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》 | “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 ranging from [0, 1] to indicate whether an image contain a specific object or scene. ... Consequently, for each image I, the result is a k-dimensional real-valued feature vector with each value within [0, 1], where k equals to the sum of scene and object categories and each value corresponds to a detection score from the respective SVM classifiers.”（DETAILED DESCRIPTION OF THE INVENTION部分） | 对比文件明确公开了使用预先训练的SVM分类器对每个图像进行场景和物体检测，输出概率分数，从而得到每个图像的语义特征向量。这相当于用预先训练的分类器（SVM）来确定图像的特征，因此特征A被直接公开。 |
| 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》 | 对比文件描述了训练数据集D用于训练分类器（如SVM），然后应用于新的图像文件夹Ei（见“The classification problem addressed by embodiments of the present invention can be stated as follows: Input: A database of visual events are input as training data D for designing a classifier... Output: The label 1(Ei) given a new image folder Ei...”）。 | 本领域技术人员能够理解，在机器学习中，训练分类器所使用的训练图像集与分类器所应用的存储图像集（新图像）是不同的。对比文件明确将训练和应用分开，隐含了存储图像的特征（由分类器提取或原始特征）自然不同于训练图像的特征，因此特征B被隐含公开。 |
| 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》 | 对比文件未提及将每个图像基于特征指派给群集（如k-means群集）。对比文件主要将整个图像组（文件夹）分类为一个事件类别，而不是对组内每个图像进行分群集。 | 对比文件没有公开基于特征对每个图像进行分群集的技术特征，因此特征C未被直接或隐含公开。 |
| 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》 | 对比文件未提及群集中心、距离阈值、图像数目阈值或百分比阈值来指派标记。标记是通过分类器直接给出的。 | 对比文件没有公开基于阈值条件指派标记的技术特征，因此特征D未被直接或隐含公开。 |
| 特征E：修改所指派的标记。 《未公开》 | 对比文件未提及用户修改标记。 | 对比文件没有公开修改标记的技术特征，因此特征E未被直接或隐含公开。 |
| 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》 | 对比文件未提及重新训练分类器。 | 对比文件没有公开基于修改标记重新训练分类器的技术特征，因此特征F未被直接或隐含公开。 |
| 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》 | 对比文件未提及对图像重新分类。 | 对比文件没有公开重新分类的技术特征，因此特征G未被直接或隐含公开。 |
| 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》 | “It is well known that a set of binary SVM-classifiers can be built for these scenes and objects...”（DETAILED DESCRIPTION OF THE INVENTION部分） | 对比文件明确公开了使用SVM分类器作为预先训练的分类器用于特征提取（见特征A的引用）。SVM是特征H所列出的分类器类型之一，因此特征H被直接公开（至少SVM部分）。 |
| 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》 | 对比文件未提及将图像分类到“群”中。 | 对比文件没有公开将图像分类到群中的技术特征，因此特征I未被直接或隐含公开。 |
| 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》 | 对比文件未提及将图像放置到文件夹中。 | 对比文件没有公开将图像放置到文件夹中的技术特征，因此特征J未被直接或隐含公开。 |
| 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》 | 对比文件未提及命名文件夹。 | 对比文件没有公开命名文件夹的技术特征，因此特征K未被直接或隐含公开。 |
| 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》 | 对比文件未提及使用第二分类器确定文件夹名称。 | 对比文件没有公开使用第二分类器确定文件夹名称的技术特征，因此特征L未被直接或隐含公开。 |
| 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》 | 对比文件未提及此类操作。 | 对比文件没有公开该技术特征，因此特征M未被直接或隐含公开。 |
| 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》 | 对比文件未提及多数裁定规则确定文件夹名称。 | 对比文件没有公开该技术特征，因此特征N未被直接或隐含公开。 |
| 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》 | 对比文件未提及用户输入修改文件夹名称。 | 对比文件没有公开该技术特征，因此特征O未被直接或隐含公开。 |
| 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》 | 对比文件未提及重新训练第二分类器。 | 对比文件没有公开该技术特征，因此特征P未被直接或隐含公开。 |
| 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》 | 对比文件公开了对新图像组进行分类，但未提及将新图像放置在文件夹中。 | 对比文件没有公开将新图像放置在文件夹中的技术特征，因此特征Q未被直接或隐含公开。 |
| 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》 | 对比文件未提及用户修改标记。 | 对比文件没有公开该技术特征，因此特征R未被直接或隐含公开。 |
| 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》 | 对比文件未提及用户移动图像修改标记。 | 对比文件没有公开该技术特征，因此特征S未被直接或隐含公开。 |
| 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》 | 对比文件未提及共享分类器或群集中心列表。 | 对比文件没有公开该技术特征，因此特征T未被直接或隐含公开。 |
| 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。 《未公开》 | 对比文件未提及共享和组合群集中心列表。 | 对比文件没有公开该技术特征，因此特征U未被直接或隐含公开。 |
<<<A>>> <<<H>>> <<<b>>>