对比文件的名称：2012-11-01_JP2012509522A_发明专利_JP2012509522A How to semantically classified for each event
目标专利的名称：709一种用于人工智能的装置和方法CN112740715B
本次调用的模型名称：AI专利评估模型
### 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：包括：接收采用容器文件格式的视觉数据。 <br> **判断：未公开** | 无 | 对比文件涉及数字图像的处理和分类，但全文未提及“容器文件格式”（如ISOBMFF、HEIF等基于盒结构的文件格式），仅泛泛提及图像集合或图像文件，并未限定或教导接收采用特定容器文件格式的视觉数据。因此，该特征未被公开。 |
| **技术特征B**：通过使用多个基于人工智能的处理算法的多个过程来处理所述视觉数据以检测一个或多个内容元素。 <br> **判断：隐含公开** | 对比文件中记载了使用多种算法进行内容特征检测和分类，其中包括基于人工智能的算法。例如：“可視特性の数値計測結果だけでなく、「空」「肌」等の意味論的語彙を用いた画像内領域の分類にニューラルネットワークも使用される。”（不仅测量可视特性的数值结果，还使用神经网络对图像内区域进行分类，使用诸如“天空”、“皮肤”等语义词汇。）（参见对比文件中关于语义特征检测的部分，原文无清晰段落标号，位于背景技术说明中）；此外，对比文件还描述了使用内容的特徴検出器群（112）应用多种算法检测内容特征，以及使用事象分類器（120）基于贝叶斯网络（一种AI模型）进行分类，并提及可以使用サポートベクタマシン、ニューラルネットワーク等。 | 对比文件明确教导了可以使用神经网络等AI算法来处理图像以检测内容元素（如场景、人脸等），并且整个处理流程涉及多个不同的算法过程（如特征检测、分类）。虽然对比文件未明确将这些过程统一描述为“多个基于人工智能的处理算法的多个过程”，但本领域技术人员能够从对比文件公开的多个算法实例（神经网络、贝叶斯网络等）中合理推断出：可以采用多个基于AI的处理过程来检测内容元素。因此，该特征被隐含公开。 |
| **技术特征C**：存储所检测到的一个或多个内容元素和关于用于检测所述一个或多个内容元素的所述多个基于人工智能的处理算法的多个过程的信息，作为元数据。 <br> **判断：未公开** | 无 | 对比文件提到了生成事象ラベル（事件标签，可视为内容元素）并用于检索或创建输出，但并未教导存储“关于用于检测内容元素的过程的信息”（例如AI算法的标识、版本、参数、过程描述等元数据）。对比文件仅关注分类结果本身，不涉及对处理过程信息的记录。因此，该特征未被公开。 |
| **技术特征D**：通过使用第一指示和第二指示来指示所述多个基于人工智能的处理算法的多个过程之间的依赖关系。 <br> **判断：未公开** | 无 | 对比文件未提及任何用于指示过程间依赖关系的“第一指示”和“第二指示”，更未涉及在文件格式层面通过特定数据结构来表达这种依赖关系。因此，该特征未被公开。 |
| **技术特征E**：其中，所述第一指示表示包含人工智能有效载荷的人工智能项。 <br> **判断：未公开** | 无 | 对比文件完全没有“人工智能项”或“人工智能有效载荷”的概念，也未定义表示包含AI有效载荷的项的任何指示。因此，该特征未被公开。 |
| **技术特征F**：并且其中，所述第二指示表示被用作用于生成所述多个基于人工智能的处理算法的多个过程的结果的输入的项。 <br> **判断：未公开** | 无 | 对比文件未公开表示用作过程输入项的“第二指示”，缺少相应的项定义和引用机制。因此，该特征未被公开。 |
| **技术特征G**：将所述元数据包括到与所述视觉数据相关联的所述容器文件中。 <br> **判断：未公开** | 无 | 对比文件没有将元数据包括到容器文件中的任何教导，其并未涉及容器文件格式，也未描述如何将元数据嵌入或关联到特定容器文件。因此，该特征未被公开。 |
| **技术特征H**：其中，所述容器文件包括第一盒，所述第一盒包括关于基于人工智能的处理算法的元数据。 <br> **判断：未公开** | 无 | 对比文件未涉及容器文件，更未提及“盒”（box）结构或包含AI处理算法元数据的第一盒。因此，该特征未被公开。 |
| **技术特征I**：其中，所述容器文件包括第二盒，所述第二盒包括关于所述一个或多个内容元素的元数据。 <br> **判断：未公开** | 无 | 对比文件未公开任何关于第二盒及内容元素元数据的盒结构。因此，该特征未被公开。 |
| **技术特征J**：其中，所述容器文件包括第三盒，所述第三盒包括关于多个基于人工智能的处理算法的过程的元数据。 <br> **判断：未公开** | 无 | 对比文件未公开用于包含多个AI处理算法过程元数据的第三盒。因此，该特征未被公开。 |
| **技术特征K**：其中，所述容器文件包括图像序列或视频，并且其中，所述容器文件包括用于包含所述元数据的媒体轨道的媒体样本定义。 <br> **判断：未公开** | 无 | 对比文件虽提及视频可视为一种图像，但未公开容器文件中的媒体轨道、媒体样本定义等概念，也未教导为元数据定义专门的媒体轨道。因此，该特征未被公开。 |
| **技术特征L**：其中，所述容器文件包括用于定义容器与包括所述容器文件中的信息的其他实体之间的关联的关系定义。 <br> **判断：未公开** | 无 | 对比文件未公开任何关于容器文件内关系定义的特征，无相应的关系盒或引用机制。因此，该特征未被公开。 |
| **技术特征M**：其中，所述视觉数据通过一个或多个神经网络或一个或多个基于非神经网络的算法来处理，以检测所述一个或多个内容元素。 <br> **判断：直接公开** | 对比文件明确记载：“可視特性の数値計測結果だけでなく、「空」「肌」等の意味論的語彙を用いた画像内領域の分類にニューラルネットワークも使用される。”（不仅测量可视特性的数值结果，还使用神经网络对图像内区域进行分类，使用诸如“天空”、“皮肤”等语义词汇。）（参见对比文件中关于语义特征检测的部分，原文无清晰段落标号，位于背景技术说明中）；另在分类器部分提及可使用ニューラルネットワーク、サポートベクタマシン等。 | 对比文件直接且明确地公开了使用神经网络（ニューラルネットワーク）处理视觉数据以检测内容元素（如图像内区域分类）。同时，对比文件也提到了使用其他非神经网络的算法（如颜色直方图等）。因此，本领域技术人员能够毫无疑义地确定对比文件公开了通过神经网络或非神经网络算法处理视觉数据来检测内容元素，该特征被直接公开。 |
---
<<<b>>><<<M>>>