对比文件名称：2015-02-16_JP2015032308A_发明专利_JP2015032308A 畳み込みニューラルネットワークの分類器、及びその分類方法、訓練方法
目标专利名称：726利用神经网络进行目标检测CN107851195B
本次调用的模型名称：未指定
### 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。《直接公开》 | [0002]：“输入一个图像，重复多次进行卷积、空间最大采样和全连接处理之后，卷积神经网络分类器输出关于每个数字的置信度。”<br>[0089]：“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1508加载到随机存取存储器(RAM)1503中的程序执行各种处理。” | 对比文件明确公开了使用计算机系统（CPU、存储器）执行程序来实现卷积神经网络分类器，并且公开了向卷积神经网络的第一卷积层输入图像（输入数据项）。本领域技术人员能够毫无疑义地确定对比文件公开了技术特征A。 |
| 技术特征B：‑在所述卷积层集合中处理所述输入数据项。《直接公开》 | [0002]：“输入一个图像，重复多次进行卷积、空间最大采样和全连接处理之后，卷积神经网络分类器输出关于每个数字的置信度。” | 对比文件明确描述了输入图像后，重复进行卷积、空间最大采样等处理，即是在卷积层集合中处理输入数据项。因此直接公开。 |
| 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。《未公开》 | [0016]：“多个特征图层的至少一个特征图层的至少一个特征图被划分为多个区域。” | 对比文件虽然公开了将特征图划分为多个区域，但该划分是在卷积层内部进行（缓い畳み込み層），且划分后的区域仍然属于同一特征图，并未从最后的卷积层输出后定义独立的补丁。对比文件没有公开从最后的卷积层输出的特征图中定义多个特征图补丁的技术方案，也没有公开对应不同尺度的补丁。因此未公开。 |
| 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》 | [0002]描述最终输出置信度，但未提及向多个分类器提供多个补丁。 | 对比文件没有公开多个分类器，也没有公开向不同分类器提供不同特征图补丁。因此未公开。 |
| 技术特征E：其中所述输入数据项包括图像。《直接公开》 | [0002]：“输入一个图像……” | 对比文件明确输入数据项是图像，因此直接公开。 |
| 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》 | 对比文件全文未提及通过组合原始图像的缩放版本集合来导出图像。 | 对比文件没有公开任何关于图像缩放版本组合的内容，因此未公开。 |
| 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》 | 对比文件没有公开特征图补丁对应尺度以及分类器在不同尺度上操作。 | 对比文件没有涉及多尺度检测，没有公开特征图补丁与尺度的对应关系，也没有公开分类器在不同尺度上操作。因此未公开。 |
| 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。《直接公开》 | [0002]：“全连接处理”。<br>[0017]：“与图1相比，图2在全连接操作之前增加了另一个宽松卷积操作3'。” | 对比文件明确公开了卷积神经网络分类器包括全连接层，该全连接层用作分类器。因此直接公开了分类器包括全连接层。虽然对比文件没有明确“第一”，但本领域技术人员可以理解该全连接层即为分类器的一部分。 |
| 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》 | 对比文件没有公开第二全连接层。 | 对比文件仅有一个全连接层，没有公开第二全连接层。因此未公开。 |
| 技术特征J：其中所述卷积层集合包括四个卷积层。《未公开》 | [0017]提到三个宽松卷积操作（1',2',3'），未明确四个。 | 对比文件未明确公开卷积层集合包括四个卷积层。根据其描述，可能包括三个卷积操作，但未提及四个。因此未公开。 |
| 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》 | 对比文件没有提及归一化操作。 | 对比文件虽然提到了空间最大采样和子采样，但没有公开归一化操作。因此未公开。 |
| 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。《直接公开》 | [0019]：“也可以进行空间子采样操作来代替空间最大采样操作。” | 对比文件明确公开了可以进行空间子采样操作，该子采样是在卷积层之后、后续层之前进行的，因此直接公开了在卷积层集合中处理输入数据项包括对前一卷积层的输出进行子采样。 |
| 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》 | 对比文件没有提及局部对比度归一化。 | 对比文件没有公开任何局部对比度归一化操作。因此未公开。 |
| 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。《未公开》 | 对比文件涉及手写数字识别，未涉及人检测。 | 对比文件没有公开人工神经网络被配置为检测人的图像。因此未公开。 |
| 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》 | 对比文件未涉及行人检测。 | 对比文件没有公开行人检测。因此未公开。 |
| 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》 | 对比文件没有公开特征图补丁交叠。 | 对比文件没有公开任何特征图补丁及其交叠关系。因此未公开。 |
| 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》 | 对比文件没有公开特征图补丁的包含关系。 | 对比文件没有公开特征图补丁，更未公开一个补丁被包括在另一个补丁中。因此未公开。 |
<<<A>>><<<B>>><<<E>>><<<H>>><<<L>>>