对比文件的名称：2005-09-29_JP2005267406A_发明专利_JP2005267406A Pattern detection method and device
目标专利的名称：726利用神经网络进行目标检测CN107851195B
本次调用的模型名称：DeepSeek
### 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（中文翻译） | 公开性论述 |
| 技术特征A：包括至少一个处理内核、包括计算机程序代码的至少一个存储器，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理内核一起使得所述装置至少：向包括卷积层集合的人工神经网络的第一卷积层提供输入数据项（隐含公开） | “在特定图像模式检测部14中，作为与上述方法不同的方法，也可以使用所谓的卷积神经网络的方法进行处理。”（[2]）<br>“也可以将本发明的程序加密并存储在CD-ROM等存储介质中分发给用户，……通过互联网从主页下载解密密钥，使用该密钥执行加密程序并安装到计算机中来实现。”（[2]） | 对比文件明确公开了可以使用卷积神经网络进行图像模式检测，本领域技术人员可以理解，卷积神经网络必然包括卷积层集合，输入数据项（图像）会提供给第一卷积层进行处理。同时，对比文件公开了通过计算机程序实现该装置，隐含了处理内核和存储器。因此，该技术特征被对比文件隐含公开。 |
| 技术特征B：在所述卷积层集合中处理所述输入数据项（隐含公开） | “在特定图像模式检测部14中，作为与上述方法不同的方法，也可以使用所谓的卷积神经网络的方法进行处理。”（[2]） | 对比文件公开了使用卷积神经网络，本领域技术人员可以合理推断，在卷积神经网络中，输入数据项会在卷积层集合中被处理。因此，该技术特征被隐含公开。 |
| 技术特征C：在从所述卷积层集合中的最后的卷积层输出的特征图中定义第一特征图补丁和第二特征图补丁（未公开） | 无相关公开内容 | 对比文件没有公开任何关于从最后的卷积层输出的特征图中定义特征图补丁的内容。对比文件的主要方法基于线分提取和模型匹配，虽提及CNN但未涉及特征图补丁概念。因此，该技术特征未被公开。 |
| 技术特征D：以及向第一分类器提供所述第一特征图补丁并且向第二分类器提供所述第二特征图补丁（未公开） | 无相关公开内容 | 对比文件没有公开向不同分类器提供不同特征图补丁的方案。因此，该技术特征未被公开。 |
| 技术特征E：其中所述输入数据项包括图像（直接公开） | “图像输入部11输入由相机等摄像装置拍摄的图像或任意的二维图像数据。”（[2]） | 对比文件明确公开了输入数据项是图像。因此，该技术特征被直接公开。 |
| 技术特征F：其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理内核一起使得所述装置通过组合原始图像的缩放版本集合来导出所述图像（未公开） | “由图像输入部901输入的输入图像按每个通道的预定倍率进行分辨率变更。”（[2]） | 对比文件公开了对输入图像进行不同倍率的分辨率变更以生成多通道图像，但这是分别处理不同分辨率的图像，并非组合原始图像的缩放版本集合来导出单一图像。因此，该技术特征未被公开。 |
| 技术特征G：其中所述第一特征图补丁对应于第一尺度，所述第一分类器被布置为在所述第一尺度上操作以执行对象识别，并且所述第二特征图补丁对应于第二尺度，所述第二分类器被布置为在所述第二尺度上操作以执行对象识别（未公开） | 无相关公开内容 | 对比文件没有公开特征图补丁对应于不同尺度的概念，也未公开分类器在不同尺度上操作。因此，该技术特征未被公开。 |
| 技术特征H：其中所述第一分类器包括所述人工神经网络的第一全连接层（未公开） | 无相关公开内容 | 对比文件没有公开全连接层。因此，该技术特征未被公开。 |
| 技术特征I：其中所述第二分类器包括所述人工神经网络的第二全连接层（未公开） | 无相关公开内容 | 同技术特征H，对比文件未公开全连接层。因此，该技术特征未被公开。 |
| 技术特征J：其中所述卷积层集合包括四个卷积层（未公开） | 无相关公开内容 | 对比文件没有公开卷积层的具体数量。因此，该技术特征未被公开。 |
| 技术特征K：其中在所述卷积层集合中处理所述输入数据项包括在后续层中处理之前对前一卷积层的输出进行归一化（未公开） | 无相关公开内容 | 对比文件没有公开归一化操作。因此，该技术特征未被公开。 |
| 技术特征L：其中在所述卷积层集合中处理所述输入数据项包括在后续层中处理之前对前一卷积层的输出进行子采样（未公开） | 无相关公开内容 | 对比文件没有公开子采样操作。因此，该技术特征未被公开。 |
| 技术特征M：其中在所述卷积层集合中处理所述输入数据项包括在第三卷积层之后执行局部对比度归一化（未公开） | 无相关公开内容 | 对比文件没有公开局部对比度归一化。因此，该技术特征未被公开。 |
| 技术特征N：其中所述人工神经网络被配置为检测人的图像（隐含公开） | “即使使用全身图像或人以外的物体相关的图像等，也可以同样获得效果。”（[2]） | 对比文件公开了可以检测全身图像（即人的图像），并且公开了可以使用卷积神经网络。本领域技术人员可以合理推断，人工神经网络可以被配置为检测人的图像。因此，该技术特征被隐含公开。 |
| 技术特征O：其中所述人工神经网络被配置为检测行人的图像（未公开） | 无相关公开内容 | 对比文件没有提到行人检测。因此，该技术特征未被公开。 |
| 技术特征P：其中所述第一特征图补丁和所述第二特征图补丁至少部分交叠（未公开） | 无相关公开内容 | 对比文件没有公开特征图补丁的交叠关系。因此，该技术特征未被公开。 |
| 技术特征Q：其中所述第一特征图补丁被包括在所述第二特征图补丁中（未公开） | 无相关公开内容 | 对比文件没有公开特征图补丁的包含关系。因此，该技术特征未被公开。 |
<<<E>>><<<a>>><<<b>>><<<n>>>