对比文件名称：2022-04-20_EP3985961A_发明公开_EP3985961A1 CAMERA DEVICE AND IMAGE GENERATION METHOD OF CAMERA DEVICE
目标专利名称：1541相机装置以及相机装置的图像生成方法CN114270799B
模型名称：本次调用未指定具体模型名称，基于通用深度学习专利比对模型。
### 特征比对表格
| 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，标注段落号） | 公开性论述 |
| 技术特征A：包括：图像传感器《直接公开》 | 段落[0015]：“根据实施方式的相机装置可以包括生成具有第一分辨率的第一拜耳数据的图像传感器” | 对比文件明确记载相机装置包括图像传感器，该图像传感器用于生成第一拜耳数据，与目标专利中的图像传感器作用完全相同，均为采集图像原始数据的基础部件。因此，技术特征A被直接公开。 |
| 技术特征B：所述图像传感器被配置成生成具有第一分辨率的第一拜耳数据《直接公开》 | 段落[0015]：“图像传感器生成具有第一分辨率的第一拜耳数据” | 对比文件直接说明图像传感器生成具有第一分辨率的第一拜耳数据，与目标专利中图像传感器的功能完全一致。本领域技术人员可以毫无疑义地确定该特征已被公开。 |
| 技术特征C：处理器《直接公开》 | 段落[0015]：“处理器基于第一拜耳数据执行深度学习以输出具有第二分辨率的第二拜耳数据” | 对比文件明确包含处理器，该处理器执行基于第一拜耳数据的处理并输出第二拜耳数据，与目标专利中的处理器在构成和作用上完全对应。因此，技术特征C被直接公开。 |
| 技术特征D：所述处理器被配置成使用所述第一拜耳数据输出具有第二分辨率的第二拜耳数据《直接公开》 | 段落[0015]：“处理器基于第一拜耳数据执行深度学习以输出具有第二分辨率的第二拜耳数据” | 对比文件明确描述处理器基于第一拜耳数据输出第二分辨率的第二拜耳数据，与目标专利中处理器的配置完全相同。因此，技术特征D被直接公开。 |
| 技术特征E：其中，所述处理器包括卷积神经网络《直接公开》 | 段落[0037]：“该处理器可以包括流水线处理器和卷积神经网络，该卷积神经网络被训练成从第一拜耳数据生成第二拜耳数据” | 对比文件明确指出处理器包括卷积神经网络，且该网络用于从第一拜耳数据生成第二拜耳数据，与目标专利的处理器中包括卷积神经网络完全一致。因此，技术特征E被直接公开。 |
| 技术特征F：所述卷积神经网络被训练成：使用第一拜耳数据输出具有第二分辨率的第二拜耳数据《直接公开》 | 段落[0060]：“卷积神经网络可以被训练成接收具有第一分辨率的第一拜耳数据并生成具有第二分辨率的第二拜耳数据” | 对比文件明确公开卷积神经网络的训练目标：接收第一拜耳数据并输出更高分辨率的第二拜耳数据，与目标特征F完全对应。因此，技术特征F被直接公开。 |
| 技术特征G：其中，所述卷积神经网络的训练集包括具有第一分辨率的第一拜耳数据和具有第二分辨率的第二拜耳数据；并且所述第二拜耳数据被输出至图像信号处理器《直接公开》 | 段落[0064]：“学习数据可以是低分辨率拜耳图像转换为高分辨率拜耳图像的结果”<br>段落[0121]：“图像信号处理单元可以接收由处理器生成的第二拜耳图像” | 对比文件[0064]表明训练数据涉及低分辨率Bayer图像向高分辨率Bayer图像的转换，隐含训练集必然包括第一和第二分辨率的拜耳数据；[0121]明确第二拜耳图像被输出至图像信号处理单元。因此，技术特征G的两部分均被直接公开。 |
| 技术特征H：所述图像信号处理器通过执行去马赛克从所述第二拜耳数据生成RGB数据《直接公开》 | 段落[0144]：“通过对AP的图像信号处理单元执行去马赛克RGB转换，可以生成RGB图像” | 对比文件直接记载图像信号处理单元（ISP）通过去马赛克过程从第二拜耳数据生成RGB图像，与目标特征H完全一致。因此，技术特征H被直接公开。 |
| 技术特征I：其中，所述第二分辨率高于所述第一分辨率《直接公开》 | 段落[0015]：“具有第二分辨率高于第一分辨率的第二拜耳数据” | 对比文件明确说明第二分辨率高于第一分辨率，与目标特征I完全相同。因此，技术特征I被直接公开。 |
| 技术特征J：其中，所述处理器包括：接收单元《隐含公开》 | 段落[0093]：“处理器可以包括：多个行缓存器，所述行缓存器接收第一拜耳数据” | 对比文件公开处理器包括行缓存器，这些行缓存器用于接收第一拜耳数据，从功能上看行缓存器即为接收数据的第一级单元，本领域技术人员能够合理推断处理器包含实现接收功能的单元，因此隐含公开技术特征J。 |
| 技术特征K：所述接收单元被配置成接收所述第一拜耳数据《隐含公开》 | 段落[0093]：“多个行缓存器接收第一拜耳数据” | 对比文件公开行缓存器直接接收第一拜耳数据，功能与目标专利的接收单元完全相同。本领域技术人员可合理推断接收单元即用于接收第一拜耳数据的组件，因此隐含公开技术特征K。 |
| 技术特征L：卷积神经网络《直接公开》 | 段落[0037]：“该处理器包括...卷积神经网络” | 对比文件明确处理器包含卷积神经网络，与目标专利的卷积神经网络特征完全一致。因此，技术特征L被直接公开。 |
| 技术特征M：所述卷积神经网络被配置成：使用所述第一拜耳数据输出具有第二分辨率的第二拜耳数据《直接公开》 | 段落[0060]：“卷积神经网络可以被训练成接收第一拜耳数据并生成第二拜耳数据” | 对比文件明确卷积神经网络的配置：使用第一拜耳数据输出第二分辨率的第二拜耳数据，与目标特征M完全一致。因此，技术特征M被直接公开。 |
| 技术特征N：其中，所述处理器生成第一阵列数据《直接公开》 | 段落[0016]：“处理器通过针对每个波长波段布置第一拜耳数据来生成第一阵列数据” | 对比文件明确处理器生成第一阵列数据，与目标特征N完全对应。因此，技术特征N被直接公开。 |
| 技术特征O：在所述第一阵列数据中，针对每个波长波段布置所述第一拜耳数据《直接公开》 | 段落[0016]：“处理器通过针对每个波长波段布置第一拜耳数据来生成第一阵列数据” | 对比文件直接描述第一阵列数据的生成方式是通过针对每个波长波段布置第一拜耳数据，与目标特征O完全相同。因此，技术特征O被直接公开。 |
| 技术特征P：所述处理器基于所述第一阵列数据生成第二阵列数据《直接公开》 | 段落[0016]：“然后通过基于已经生成的第一阵列数据执行深度学习来生成第二阵列数据” | 对比文件明确处理器基于第一阵列数据生成第二阵列数据，与目标特征P完全对应。因此，技术特征P被直接公开。 |
| 技术特征Q：所述第二阵列数据具有与所述第一阵列数据不同的分辨率《直接公开》 | 段落[0107]：“深度学习处理器可以生成具有比第一分辨率更高的第二分辨率的第二阵列数据” | 对比文件明确指出第二阵列数据的分辨率不同于第一阵列数据（更高分辨率），与目标特征Q一致。因此，技术特征Q被直接公开。 |
| 技术特征R：其中，所述处理器基于所述第二阵列数据生成所述第二拜耳数据《直接公开》 | 段落[0017]：“处理器可以基于第二阵列数据生成第二拜耳数据” | 对比文件明确处理器基于第二阵列数据生成第二拜耳数据，与目标特征R完全相同。因此，技术特征R被直接公开。 |
| 技术特征S：其中，所述处理器包括：第一数据对齐单元《直接公开》 | 段落[0019]：“处理器可以包括：第一阵列数据单元，其生成第一阵列数据”<br>段落[0093]：“第一数据对齐单元生成第一阵列数据” | 对比文件明确处理器包含第一数据对齐单元（或第一阵列数据单元），与目标特征S中的第一数据对齐单元功能一致。因此，技术特征S被直接公开。 |
| 技术特征T：所述第一数据对齐单元被配置成生成所述第一阵列数据《直接公开》 | 段落[0093]：“第一数据对齐单元生成第一阵列数据” | 对比文件直接公开第一数据对齐单元生成第一阵列数据，与目标特征T完全相同。因此，技术特征T被直接公开。 |
| 技术特征U：在所述第一阵列数据中，针对每个波长波段布置所述第一拜耳数据《直接公开》 | 段落[0016]：“处理器通过针对每个波长波段布置第一拜耳数据来生成第一阵列数据”<br>段落[0093]：“第一数据对齐单元通过针对每个波长波段布置第一拜耳数据来生成第一阵列数据” | 对比文件多处明确第一阵列数据的生成方式为针对每个波长波段布置第一拜耳数据，与目标特征U完全一致。因此，技术特征U被直接公开。 |
| 技术特征V：第二数据对齐单元《直接公开》 | 段落[0019]：“处理器可以包括：第二阵列数据单元，其生成以拜耳图案布置的第二拜耳数据”<br>段落[0093]：“第二数据对齐单元以拜耳图案布置第二阵列数据生成第二拜耳数据” | 对比文件明确处理器包含第二数据对齐单元（或第二阵列数据单元），与目标特征V中的第二数据对齐单元功能一致。因此，技术特征V被直接公开。 |
| 技术特征W：所述第二数据对齐单元被配置成生成所述第二拜耳数据《直接公开》 | 段落[0093]：“第二数据对齐单元生成第二拜耳数据” | 对比文件直接公开第二数据对齐单元生成第二拜耳数据，与目标特征W完全相同。因此，技术特征W被直接公开。 |
| 技术特征X：在所述第二拜耳数据中，以拜耳图案布置所述第二阵列数据《直接公开》 | 段落[0019]：“第二阵列数据单元生成第二拜耳数据，其中第二阵列数据以拜耳图案布置”<br>段落[0093]：“第二数据对齐单元通过以拜耳图案布置第二阵列数据来生成第二拜耳数据” | 对比文件明确第二拜耳数据的生成方式是将第二阵列数据以拜耳图案布置，与目标特征X完全一致。因此，技术特征X被直接公开。 |
<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<F>>><<<G>>><<<H>>><<<I>>><<<j>>><<<k>>><<<L>>><<<M>>><<<N>>><<<O>>><<<P>>><<<Q>>><<<R>>><<<S>>><<<T>>><<<U>>><<<V>>><<<W>>><<<X>>>