非显而易见法律服务网

技术特征描述及公开性判断结果	对比文件原文引用（翻译为中文）	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。 <br> 未公开	[0027]：“特徴抽出部３２は、メモリ２から画像のデータを読み出すと、この画像中の各位置（サンプリング点）において、幾何学的特徴またはその他の特徴（例えば、色、動きベクトル情報など）を抽出する。” <br> [0041]：“そのような処理モジュールとしては、例えば特定の状態クラスにある特定の二人の顔を識別するようなサポートベクトルマシンを学習により生成して用いる。”	对比文件公开了特征提取部（32）从图像中提取几何或其他特征，并公开了使用通过学习生成的サポートベクトルマシン（SVM）作为处理模块（分类器）。然而，特征提取部并非“预先训练的分类器”，而SVM等分类器在对比文件中用于个体识别（即分类），而非用于“确定特征”。目标专利中“用第一预先训练的分类器来确定特征”意指分类器本身用于特征提取或特征表示，而对比文件中特征提取与分类是分离的。因此，本领域技术人员不能从对比文件中毫无疑义地得出技术特征A，也未隐含公开。
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。 <br> 未公开	未公开。	对比文件未提及所存储图像的特征与训练图像的特征是否不同。其处理模块是针对特定状态类（如正面・笑顔）训练的，并应用于相同状态类的图像，未涉及跨数据集的特征差异。因此，技术特征B未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件涉及个体识别（识别图像中的特定个体），而非无监督的分群集操作。其未公开将图像基于特征指派到群集（如k-means群集）的任何内容。因此，技术特征C未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及群集中心、距离阈值、图像数目阈值或百分比阈值等概念。其通过个体识别处理模块直接输出识别结果（个体标签），而非基于群集中心的距离或比例指派标记。因此，技术特征D未被直接公开或隐含公开。
技术特征E：修改所指派的标记。 <br> 未公开	未公开。	对比文件未提及用户修改已指派的标记（如个体识别结果）。其个体识别结果由处理模块自动输出，未记载用户交互修改标记。因此，技术特征E未被直接公开或隐含公开。
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。 <br> 未公开	[0056]-[0059]及图10：当个体识别结果的置信度低于阈值时，以新图像和正确个体识别结果作为教师数据，对处理模块进行再学习（重新训练）。	对比文件公开了基于置信度阈值触发处理模块的再学习（重新训练），但其触发条件是“置信度低”，而非“标记被修改”。虽然再学习的本质是利用新标签更新分类器，但技术特征F明确以“标记被修改”为前提，而该前提（特征E）未被公开。因此，本领域技术人员不能从对比文件中合理推断出标记修改触发的重新训练，技术特征F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。 <br> 未公开	参见[0056]-[0059]再学习后，更新后的处理模块可用于后续识别。	对比文件公开了再学习后更新分类器并用于识别，但未明确记载对已处理图像进行“重新分类”。技术特征G与特征E、F关联，意指在标记修改和重新训练后对图像重新分类，而对比文件再学习主要针对新图像或置信度低的图像，未涉及系统性重新分类已处理图像。因此，技术特征G未被直接公开，也未被隐含公开。
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)。 <br> 直接公开	[0041]：“そのような処理モジュールとしては、例えば特定の状態クラスにある特定の二人の顔を識別するようなサポートベクトルマシンを学習により生成して用いる。” <br> [0060]：“各個体識別処理モジュールとしては、以上のサポートベクトルマシンをベースにした方法のほかに階層的神経回路網や統計的パターン認識の手法を用いても良い。例えば、階層的神経回路網として畳み込み神経回路網を用いた方法...”	对比文件明确公开了サポートベクトルマシン（SVM）作为处理模块（分类器），并提及階層的神経回路網（分层神经网络），后者可涵盖多层感知器（MLP）。技术特征H列出了SVM、逻辑回归、最接近的邻居或MLP，其中SVM被对比文件直接公开。因此，本领域技术人员能毫无疑义地得出分类器可为SVM，技术特征H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。 <br> 未公开	未公开。	对比文件未涉及将图像分类到“群”中。其个体识别输出个体标签（如人物身份），而非将图像分组到群（如“花”、“建筑物”等类别群）。因此，技术特征I未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及图像管理中的“文件夹”概念。其聚焦于个体识别，未记载将图像放置到文件夹中的操作。因此，技术特征J未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及文件夹命名。因此，技术特征K未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及第二分类器或确定文件夹名称。因此，技术特征L未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及群集中心或基于群集中心确定文件夹名称。因此，技术特征M未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及多数裁定规则或文件夹名称确定。因此，技术特征N未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及用户修改或指派文件夹名称。因此，技术特征O未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及第二分类器、群集中心或基于特征向量重新训练以更新文件夹名称。因此，技术特征P未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及将新图像放置在文件夹中。其处理新图像进行个体识别，但未关联到文件夹管理。因此，技术特征Q未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及用户修改标记的输入。因此，技术特征R未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及文件夹或图像移动。因此，技术特征S未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及共享分类器或群集中心列表。因此，技术特征T未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及共享或组合群集中心列表。因此，技术特征U未被直接公开或隐含公开。
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。 <br> 未公开	未公开。	对比文件未涉及共享用户定义的种类。因此，技术特征V未被直接公开或隐含公开。