返回项目页面
对比文件列表
EP3114611A1_Description_20260304_2010_+++A_C_E_F_G_I_J_L_M_O_Q_R_S_T_U_V_b_d_h_k_n_p+++.docx
2026-03-10 04:38
JP2007048172A_Description_20260219_2033_+++C_H+++.docx
2026-03-10 04:38
JP2008009914A_Description_20260219_2306_+++H+++.docx
2026-03-10 04:38
JP2011175497A_Description_20260219_2139_+++C_F_G_H_a_b_c_d_e_i+++.docx
2026-03-10 04:38
US6327581B1_Description_20260219_2042_+++H_a+++.docx
2026-03-10 04:38
US7164798B2_Description_20260220_0009_+++A_C_D_E_G_H_I_T_b+++.docx
2026-03-10 04:38
US8086048B2_Description_20260219_2124_+++C_H_a_q+++.docx
2026-03-10 04:38
US8386574B2_Description_20260220_0019_+++D_H_a_b_c_g_i+++.docx
2026-03-10 04:38
US8396286B1_Description_20260219_2036_+++H+++.docx
2026-03-10 04:38
US8611678B2_Description_20260220_1541_+++A_C_H+++.docx
2026-03-10 04:38
US8811726B2_Description_20260219_2358_+++H_a_b+++.docx
2026-03-10 04:38
US8879813B1_Description_20260220_0351_+++A_H+++.docx
2026-03-10 04:38
US8913152B1_Description_20260220_0344_+++C_F_G_H_I_S_a_b_d_e_j_k_q_r+++.docx
2026-03-10 04:38
US9298978B1_Description_20260219_2034_+++A_B_C_E_H_I_R_T_f+++.docx
2026-03-10 04:38
US9785866B2_Description_20260220_1536_+++A_H_b+++.docx
2026-03-10 04:38
US2004165767A1_Description_20260221_0617_+++A_C_H_b_d_e_f_g+++.docx
2026-03-10 04:38
US2008103996A1_Description_20260221_0612_+++E_F_G_H_R_c+++.docx
2026-03-10 04:38
US2008159624A1_Description_20260221_0611_+++A_H+++.docx
2026-03-10 04:38
US2010036786A1_Description_20260221_0614_+++H_a_c_e_g_i_j_q_r_s+++.docx
2026-03-10 04:38
US2010191391A1_Description_20260221_0614_+++A_H_b+++.docx
2026-03-10 04:38
US2010226535A1_Description_20260221_0615_+++H+++.docx
2026-03-10 04:38
US2011235858A1_Description_20260221_0614_+++A_C_H_I_b+++.docx
2026-03-10 04:38
US2011282828A1_Description_20260221_0615_+++C_H_b_i+++.docx
2026-03-10 04:38
US2013033608A1_Description_20260221_0614_+++B_C_H_a+++.docx
2026-03-10 04:38
US2013096817A1_Description_20260221_0617_+++H+++.docx
2026-03-10 04:38
US2013129143A1_Description_20260221_0616_+++A_B_C_H+++.docx
2026-03-10 04:38
US2013218813A1_Description_20260221_0615_+++H_b+++.docx
2026-03-10 04:38
US2014078320A1_Description_20260221_0615_+++A_B_C_I_d_h_q+++.docx
2026-03-10 04:38
US2014188462A1_Description_20260221_0612_+++A_C_D_E_F_G_H_I_J_L_M_O_Q_R_S_V_t+++.docx
2026-03-10 04:38
US2014376819A1_Description_20260221_0618_+++B_H_a_c_e_i_r+++.docx
2026-03-10 04:38
US2015112182A1_Description_20260221_0613_+++H_b+++.docx
2026-03-10 04:38
US2015139485A1_Description_20260221_0617_+++A_H_c_q+++.docx
2026-03-10 04:38
US2015324655A1_Description_20260221_0614_+++H_a_c_i_q+++.docx
2026-03-10 04:38
US2016070673A1_Description_20260221_0612_+++H+++.docx
2026-03-10 04:38
US2016140451A1_Description_20260221_0616_+++B_H_a_e_f_g_r+++.docx
2026-03-10 04:38
US2016180195A1_Description_20260221_0614_+++A_H_b+++.docx
2026-03-10 04:38
US2016217349A1_Description_20260221_0617_+++D_H_a_b_i+++.docx
2026-03-10 04:38
US2016239706A1_Description_20260221_0611_+++h+++.docx
2026-03-10 04:38
US2016275414A1_Description_20260221_0614_+++C_H_a_d+++.docx
2026-03-10 04:38
US2016307071A1_Description_20260221_0618_+++b_c_h+++.docx
2026-03-10 04:38
WO2009131629A1_Description_20260219_2011_+++A_B_C_H_I_q+++.docx
2026-03-10 04:38
WO2009131629A1_Description_20260220_0320_+++A_H_b+++.docx
2026-03-10 04:38
US8396286B1_Description_20260219_2036_+++H+++.docx

对比文件名称:US8396286B1_Description_20260219_2036

目标专利名称:189照片管理CN106104577B

本次调用的模型名称:资深专利代理师评估模型

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: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,《未公开》对比文件未提及该技术特征。目标专利权利要求的技术特征A明确要求“用第一预先训练的分类器来确定多个所存储图像的特征”。根据目标专利说明书[0098]-[0101]、[0119]、图5A,该“预先训练的分类器”是指一个预先训练好的深度卷积网络特征提取器,用于从图像中提取特征向量。对比文件(US8396286B1)公开了特征提取模块(230)从视频内容中提取音频视觉特征([0036]段),以及分类器训练模块(240)训练分类器([0040]段)。然而,对比文件中的特征提取是独立于分类器训练的一个步骤,提取的是手工设计的低级特征(如运动、颜色、音频等),而分类器是在这些特征之上训练用于概念识别。对比文件没有公开使用一个“预先训练的分类器”(尤其是如目标专利所述的深度卷积网络)作为工具来“确定”特征本身。二者在技术手段和作用上均不相同。因此,本领域技术人员无法从对比文件中毫无疑义地得出或用合理推理得到该技术特征。
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,《未公开》对比文件未提及该技术特征。目标专利权利要求的技术特征B限定了特征提取的对象(所存储图像)与训练分类器所用的图像(训练图像)是不同的。对比文件([0039], [0040], [0052]段)描述了使用视频库中的视频来训练分类器,并且特征提取模块(230)从这些相同的视频中提取特征用于训练。虽然对比文件在迭代学习中会将上一轮分类器的输出分数作为新特征加入([0047], [0061]段),但这本质上是利用同一视频集的不同表示,并未涉及使用与训练集完全不同的另一组数据(如图像)来提取特征。因此,对比文件没有公开或隐含公开该区别特征。
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》对比文件未提及该技术特征。目标专利权利要求的技术特征C涉及基于特征进行“分群集”(clustering),例如使用k-means或g-means算法(参见说明书[0100]段)。对比文件全文专注于训练二分类器(一个分类器对应一个概念)来对视频进行概念识别(如判断是否属于“卡通”),这是一个分类(classification)问题。对比文件没有描述任何将视频集合划分成多个“群集”(cluster)的无监督学习过程,也没有提及“指派给群集”这一操作。因此,该技术特征未被对比文件公开。
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》对比文件未提及该技术特征。目标专利权利要求的技术特征D详细定义了基于群集中心距离、数目或百分比阈值来为图像指派标记的规则。对比文件中,为视频添加概念标签(标记)是基于分类器(如AdaBoost或SVM)输出的分数是否超过某个阈值([0042], [0067]段)。这个过程不涉及“群集中心”、“最接近的群集中心”或基于群集统计量(如图像数目、百分比)的阈值判断。两者指派标记的机制和依据完全不同。因此,该技术特征未被对比文件公开。
技术特征E:修改所指派的标记,《未公开》对比文件未提及该技术特征。目标专利权利要求的技术特征E涉及用户或系统修改已指派给图像的标记。对比文件的应用部分([0069]段)提到可以基于分类器识别结果来修改用户提供的、可能不准确的视频元数据(如移除错误标签)。这可以视为一种对现有标记的“修改”。然而,这种修改是基于分类器对视频内容的自动判断来纠正垃圾信息,与目标专利中可能基于用户偏好、文件夹移动等交互方式来“修改”标记(参见说明书[0110]-[0113]段)在触发条件和目的上存在差异。尽管如此,从非常宽松的隐含公开标准判断,对比文件[0069]段描述的“移除关联文本”可以被认为隐含了“修改标记”这一广义概念。但结合整个技术方案来看,该修改的具体语境和方式与目标专利不同。为严谨计,此处判断为未公开,但注意到存在相关但不等同的表述。
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》对比文件未提及该技术特征。目标专利权利要求的技术特征F限定了在标记被修改后,用涉及到的图像重新训练分类器。对比文件描述了迭代学习过程(图4B,[0060]-[0062]段),其中在每一轮迭代中,会使用新增的分数特征重新训练分类器。然而,这种重新训练的触发因素是迭代流程的推进,而不是由“所指派的标记被修改”这一事件触发的。目标专利中重新训练的目的是适应用户的偏好调整(说明书[0110]段),而对比文件中重新训练的目的是利用新特征提升模型性能以识别更多概念。两者的触发条件和目的不同,因此该技术特征未被对比文件公开。
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》对比文件未提及该技术特征。目标专利权利要求的技术特征G涉及在修改标记和重新训练分类器后,对图像进行重新分类。对比文件的迭代学习过程中,新训练或重新训练的分类器会应用于视频以产生新的分数([0047], [0061]段),这可以看作是一种“重新分类”。然而,目标专利中的“重新分类”特指在用户交互修改了系统自动分类结果后,系统为适应该修改而进行的调整性再分类(说明书[0112], [0113], 图5C)。对比文件中的“重新分类”是迭代算法中为挖掘新概念的固有步骤,没有用户交互的触发。虽然行为相似,但背后的原因和上下文不同。从宽松标准看,可能隐含“重新分类”的行为,但结合具体技术方案,判断为未公开更为准确。
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》[0040]段:“Other learning algorithms, such as Linear Support Vector Machine (SVC), the details of which are known to those of skill in the art of machine learning, could likewise be used.” 译文:“其他学习算法,例如线性支持向量机(SVC),其细节对于机器学习领域的技术人员是已知的,同样可以使用。”目标专利权利要求的技术特征H限定了第一预先训练的分类器的具体类型,包括支持向量机(SVM)。对比文件[0040]段明确记载了可以使用线性支持向量机(Linear Support Vector Machine, SVC)作为学习算法来训练分类器。SVC是SVM的一种具体形式。因此,对比文件直接公开了“支持向量机器(SVM)”这一分类器类型。本领域技术人员能够毫无疑义地从对比文件中得出该技术特征。
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》对比文件未提及该技术特征。目标专利权利要求的技术特征I涉及基于标记将图像分类到“群”(group)中。结合说明书[0104]段,这可能是将具有相同标记的图像归入一个群,作为放入文件夹的前置步骤。对比文件中,分类器输出的结果(分数或布尔值)用于决定是否为视频添加概念标签([0067]段),或者用于视频浏览和搜索([0068]段)。它没有描述将视频根据其获得的标签进一步组织成“群”这一中间结构。因此,该技术特征未被对比文件公开。
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》对比文件未提及该技术特征。目标专利权利要求的技术特征J涉及将图像“放置到文件夹中”,这是对图像进行物理或逻辑组织的一种具体用户界面或文件系统操作。对比文件关注的是视频的概念标注和基于概念的检索、浏览,其输出是给视频打上概念标签或用于搜索索引,完全没有提及将视频归类到“文件夹”中的操作。因此,该技术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》对比文件未提及该技术特征。该技术特征依赖于“文件夹”的存在,而技术特征J(放置到文件夹)未被公开。因此,命名文件夹的相关特征自然也未被对比文件公开。
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》对比文件未提及该技术特征。该技术特征涉及使用另一个分类器来为文件夹命名。对比文件只涉及用于概念识别的分类器,没有提及用于生成文件夹名称的分类器。因此,该技术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》对比文件未提及该技术特征。该技术特征涉及基于“群集中心”的分类来确定文件夹名称。对比文件既未公开“群集中心”,也未公开基于群集中心确定名称的操作。因此,该技术特征未被对比文件公开。
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》对比文件未提及该技术特征。该技术特征涉及“多数裁定规则”确定文件夹名称。对比文件没有涉及此类规则。因此,该技术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》对比文件未提及该技术特征。该技术特征依赖于“文件夹名称”的存在,而技术特征K、L等(命名文件夹)未被公开。对比文件虽然涉及用户提供视频元数据,但未涉及用户修改由系统自动生成的文件夹名称。因此,该技术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》对比文件未提及该技术特征。该技术特征涉及为适应文件夹名称修改而重新训练一个分类器。对比文件没有公开“第二预先训练的分类器”用于文件夹命名,也没有公开基于文件夹名称修改来重新训练该分类器。因此,该技术特征未被对比文件公开。
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。《未公开》对比文件未提及该技术特征。该技术特征涉及处理“新图像”并将其放入文件夹的流程。对比文件[0068]段提到,学习到的概念可以用于对新视频进行浏览和搜索,即分类器可以应用于新视频以判断其概念。这隐含了“确定新视频的特征向量和应用分类器”的步骤。然而,对比文件未将这一结果与“放置在文件夹中”这一具体操作关联起来。因此,虽然前半部分可能被隐含公开,但整体技术特征(特别是目的性操作“放置在文件夹中”)未被公开。
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》对比文件未提及该技术特征。目标专利权利要求的技术特征R涉及接收用户输入以修改由系统指派的标记。对比文件主要描述自动化的概念学习和标注过程。尽管[0069]段提到可以基于分类器结果自动修改(如删除)用户提供的错误元数据,但这是一种系统自动纠错,并非“接收用户输入”来主动修改系统指派的标记。因此,该技术特征未被对比文件公开。
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》对比文件未提及该技术特征。该技术特征明确依赖于“文件夹”和“移动图像”的用户交互操作,这些在对比文件中均未出现。因此,该技术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》对比文件未提及该技术特征。对比文件描述的系统是在视频托管服务内部进行概念学习和应用,没有提及将学习到的分类器或“群集中心列表”(该列表本身也未公开)与另一个用户共享的功能。因此,该技术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》对比文件未提及该技术特征。该技术特征依赖于技术特征T(共享)和技术特征C(群集中心列表)等未被公开的特征。因此,该技术特征未被对比文件公开。

<<<H>>>

权利要求与技术特征
Powered by Django

网站备案号:渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE