对比文件名称：US20150036920A1 CONVOLUTIONAL-NEURAL-NETWORK-BASED CLASSIFIER AND CLASSIFYING METHOD AND TRAINING METHODS FOR THE SAME
目标专利名称：CN107851195B 利用神经网络进行目标检测
模型名称：无（未提供）
### 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（翻译后） | 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。**公开性：直接公开** | [0097] “中央处理单元(CPU)1501根据存储在只读存储器(ROM)1502中的程序或从存储部分1508加载到随机存取存储器(RAM)1503中的程序执行各种处理。” [0093] “通过将待分类对象输入到基于卷积神经网络的分类器来执行前向传播以获得输出结果。” | 对比文件明确描述了通用计算装置（图15）包括CPU（处理内核）和存储器（ROM、RAM），并通过执行程序实现方法。该方法包括将待分类对象（输入数据项）输入到基于卷积神经网络的分类器，该分类器必然包含卷积层集合，输入数据项被提供给第一卷积层。本领域技术人员能够毫无疑义地得出该装置被配置为执行向第一卷积层提供输入数据项的步骤，因此技术特征A被直接公开。 |
| **技术特征B**：在所述卷积层集合中处理所述输入数据项。**公开性：直接公开** | [0028] “较少约束的卷积操作”及“空间最大采样操作被替换为空间子采样操作”。[0093] “通过将待分类对象输入到基于卷积神经网络的分类器来执行前向传播以获得输出结果”。 | 对比文件的前向传播过程包括多个卷积层（如图2中的卷积操作1'、2'、3'）以及空间子采样等操作，这些构成了在卷积层集合中对输入数据项的处理。本领域技术人员可以直接确定该步骤，因此技术特征B被直接公开。 |
| **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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件涉及在特征图内划分区域以应用不同的卷积模板，但未提及从最后的卷积层输出中定义多个特征图补丁（patch），更未涉及将补丁用于不同分类器。因此，技术特征C未被公开。 |
| **技术特征D**：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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件未公开多个分类器分别接收不同特征图补丁的结构，其分类器通常为单一全连接层，未涉及向不同分类器提供不同补丁。因此，技术特征D未被公开。 |
| **技术特征E**：其中所述输入数据项包括图像。**公开性：直接公开** | [0003] “卷积神经网络分类器通常用于图像识别。” [0062] “以手写字符识别为例”。 | 对比文件明确其分类器用于图像识别，输入数据项为图像（如手写字符图像）。本领域技术人员可以直接确定输入数据项包括图像，因此技术特征E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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件未提及通过组合原始图像的缩放版本来导出输入图像，也未涉及多尺度图像生成。因此，技术特征F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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件未涉及多尺度检测，未公开特征图补丁与尺度的对应关系，也未公开分类器在不同尺度上操作。因此，技术特征G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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件虽然包含全连接层（如图2中的全连接操作），但未公开第一分类器和第二分类器分别包括第一全连接层和第二全连接层，且未涉及两个分类器。因此，技术特征H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。**公开性：未公开** | 无直接或隐含公开的内容。 | 同技术特征H，对比文件未公开第二全连接层作为第二分类器。因此，技术特征I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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件未明确卷积层的数目，其图2中示出了三个较少约束的卷积操作（1'、2'、3'），但未限定为四个，也未公开任何四个卷积层的结构。因此，技术特征J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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件未提及对卷积层输出进行归一化操作（如批归一化或局部对比度归一化）。因此，技术特征K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。**公开性：直接公开** | [0028] “空间最大采样操作被替换为空间子采样操作。” | 对比文件明确提到在卷积层之后进行空间子采样（sub sampling）操作，这相当于对前一卷积层的输出进行子采样。本领域技术人员可以直接确定该技术特征，因此技术特征L被直接公开。 |
| **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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件未提及局部对比度归一化，也未指定在第三卷积层之后执行该操作。因此，技术特征M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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件的应用场景为手写数字识别、字符识别等，未涉及人的检测或行人检测。因此，技术特征N未被公开。 |
| **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。**公开性：未公开** | 无直接或隐含公开的内容。 | 同技术特征N，对比文件未公开行人检测。因此，技术特征O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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件未定义特征图补丁，更未涉及补丁之间的交叠关系。因此，技术特征P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。**公开性：未公开** | 无直接或隐含公开的内容。 | 对比文件未公开特征图补丁的包含关系。因此，技术特征Q未被公开。 |
<<<A>>><<<B>>><<<E>>><<<L>>>