非显而易见法律服务网

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，《未直接公开，未隐含公开》	对比文件第[0062]段：“After learning, the DCN may be presented with new images 326 and a forward pass through the network may yield an output 322 that may be considered an inference or a prediction of the DCN.”	该对比文件描述了训练好的深度卷积网络（DCN）可以对新的输入图像进行推理或预测，这暗示了DCN作为一个预先训练的分类器可以处理图像。然而，对比文件的核心主题是优化卷积矩阵乘法运算和深度平铺的硬件/软件实现，以提高计算效率。其目的是“efficient processing of convolution matrix multiply operations”（见[0003]段），而非用于图像管理场景下的特征提取。尽管DCN可以输出特征，但对比文件未明确描述“确定多个所存储图像的特征”这一应用于图像管理的具体目的和过程。因此，该特征未被直接公开。同时，对比文件未涉及对“多个所存储图像”进行特征确定以用于后续管理（如分群集）的上下文，本领域技术人员无法从对比文件的内容中必然且合理地推断出该技术特征。因此，该特征也未被隐含公开。
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，《未直接公开，未隐含公开》	对比文件第[0062]段（同上）提及使用训练好的DCN处理“new images”。	对比文件提到了训练后的网络可以处理“新图像”，这隐含了推理图像与训练图像是不同的。然而，技术特征B强调的是“所存储图像的特征”不同于“训练图像的特征”，这涉及到特征层面的比较，而不仅仅是图像本身的新旧。对比文件未讨论或比较存储图像的特征与训练图像特征的差异性，也未提及这种差异在图像管理中的意义。因此，该特征未被直接公开。从对比文件关于处理新图像的描述中，无法必然推理出存储图像的特征与训练图像特征不同这一具体限定。因此，该特征也未被隐含公开。
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，《未直接公开，未隐含公开》	对比文件未提及任何关于图像分群集（clustering）或基于特征指派图像到群集的内容。	对比文件主要涉及卷积运算、矩阵乘法优化以及深度神经网络的层级处理。其应用场景是图像分类和对象识别（如[0054]-[0058]段），而非基于特征向量的无监督或监督式分群集。目标专利中基于特征进行分群集是图像自动管理系统的核心步骤。对比文件完全没有公开或暗示任何分群集操作、群集的概念或基于特征指派图像到群集的过程。因此，该特征既未被直接公开，也未被隐含公开。
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，《未直接公开，未隐含公开》	对比文件未提及任何关于群集中心、距离阈值、预定义图像数目阈值、图像百分比阈值或基于这些条件指派标记的内容。	该技术特征涉及非常具体的图像标记规则，这些规则是基于分群集结果和多种阈值条件来触发的。对比文件完全不涉及图像分群集，更不用说基于群集中心的距离、数目或百分比阈值来指派标记的精细管理逻辑。本领域技术人员无法从对比文件描述的卷积网络处理或分类中推理出这些具体的标记指派条件。因此，该特征既未被直接公开，也未被隐含公开。
技术特征E：修改所指派的标记，《未直接公开，未隐含公开》	对比文件未提及任何关于图像标记（labeling）以及修改标记的内容。	修改标记是目标专利中用户交互和系统学习的一部分。对比文件专注于神经网络的前向处理、训练和计算优化，没有涉及任何对图像进行标记或由用户修改标记的机制或应用场景。因此，该特征既未被直接公开，也未被隐含公开。
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，《未直接公开，未隐含公开》	对比文件第[0060]段提到了使用反向传播（back propagation）调整网络权重以进行训练。	对比文件提到了神经网络（如DCN）可以通过反向传播进行训练。然而，技术特征F特指“当所指派的标记被修改时”用“所述图像”来“重新训练”分类器。这是一个基于用户反馈（标记修改）的在线学习或增量学习场景。对比文件描述的训练是基于带有已知标签的样本进行初始训练或微调（如[0064]段），并未涉及根据用户对已分类/已标记图像的修改行为来触发重新训练的过程。因此，该特征未被直接公开。对比文件公开的一般性训练原理，不足以让本领域技术人员必然推理出“基于标记修改事件触发重新训练”这一具体应用场景和技术方案。因此，该特征也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件第[0062]段描述了训练好的DCN对新图像进行分类（推理）。	对比文件公开了使用训练好的分类器（DCN）对图像进行分类。然而，技术特征G中的“重新分类”在目标专利的上下文中，特指在用户交互（如移动图像、修改标记）并可能重新训练分类器之后，再次利用分类器对图像进行分类的过程。对比文件仅描述了标准的一次性分类推理过程，没有涉及任何“重新分类”的触发条件、上下文或目的。因此，该特征未被直接公开。从对比文件的一次性分类描述中，无法合理推断出目标专利中具有特定目的的“重新分类”步骤。因此，该特征也未被隐含公开。
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)。《隐含公开》	对比文件第[0008]段：“Other models are also available for object recognition. For example, support vector machines (SVMs) are learning tools that can be applied for classification.”	对比文件明确将支持向量机（SVM）列举为可用于对象识别（图像分类）的学习工具（分类器）之一。虽然对比文件未明确提及该SVM是“第一预先训练的分类器”，也未在图像管理分群集的上下文中描述其使用，但SVM作为一种分类器类型本身已被公开。根据隐含公开的宽松判断标准，本领域技术人员从对比文件得知SVM可用于图像分类，因此有可能在构建图像处理系统时选择SVM作为预先训练的分类器。对于“逻辑回归、最接近的邻居、或多层感知器(MLP)”，对比文件没有提及。因此，仅特征H中“支持向量机器(SVM)”这一选项被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及基于标记将图像分类到“群”（groups）中。	对比文件涉及的是神经网络对图像的直接分类（如输出类别概率），而非先将图像分派到群集（clusters）并获得标记，再根据这些标记将图像组织到“群”（groups）中的两级分类/组织过程。目标专利中的“群”与“群集”和“标记”紧密相关，是图像管理的组织单元。对比文件没有公开这一概念或过程。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及任何关于“文件夹”（folders）或将图像放置到文件夹中的内容。	将图像放置到文件夹中是操作系统或文件管理器中具体的文件组织方式。对比文件的技术内容完全集中在神经网络的计算和处理层面，不涉及高层级的文件系统管理或用户界面操作。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及文件夹命名。	文件夹命名是文件管理的具体细节。对比文件没有涉及任何与文件夹或命名相关的内容。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及第二分类器，也未提及使用分类器来确定文件夹名称。	对比文件未涉及任何使用分类器（无论是第一还是第二）来生成或确定文件夹名称的内容。文件夹名称的确定属于应用逻辑，与对比文件核心的计算优化主题无关。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及第二分类器、群集中心、基于群集中心分类确定文件夹名称等内容。	该特征涉及基于群集中心的分类结果来派生文件夹名称，是目标专利中较为复杂的特定应用逻辑。对比文件完全没有公开任何相关概念。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及多数裁定规则或基于此规则确定文件夹名称。	多数裁定规则是确定文件夹名称的一种特定策略。对比文件未涉及任何相关内容。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及接收用户输入以修改或指派文件夹名称。	用户交互是目标专利图像管理系统的一部分。对比文件专注于底层计算过程，未描述任何用户界面或用户输入接收机制。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及第二分类器、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。	该特征涉及根据用户对文件夹名称的修改来更新第二分类器，是目标专利中特定的学习机制。对比文件未公开任何相关内容。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件可能涉及处理新图像（如[0062]段），但未提及基于特征向量和分类器确定“群”，也未提及将图像放置在文件夹中。	对比文件描述了DCN处理新图像并进行分类，但未将其分类结果与“群”的概念关联，更未与“放置在文件夹中”这一文件系统操作关联。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及接收用户输入以修改图像标记。	同技术特征E和O，用户交互修改标记在对比文件中未公开。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及文件夹、移动图像或由此触发标记修改。	该特征描述了通过用户界面操作（移动文件）来隐含地修改标记，是目标专利中具体的交互逻辑。对比文件未公开任何相关内容。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及与第二用户共享分类器或群集中心列表。	共享机制是目标专利的社交或协作功能。对比文件未涉及任何用户间共享内容。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及共享、组合群集中心列表、或基于此更新分类器。	该特征描述了复杂的跨用户数据整合和学习过程。对比文件未公开任何相关内容。因此，该特征既未被直接公开，也未被隐含公开。
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。《未直接公开，未隐含公开》	对比文件未提及用户定义种类或与第二用户共享种类。	同技术特征T和U，共享用户定义内容是目标专利的特定功能，对比文件未涉及。因此，该特征既未被直接公开，也未被隐含公开。