非显而易见法律服务网

技术特征描述以及公开性判断结果	对比文件原文引用	公开性论述
技术特征A：包括：用第一预先训练的分类器来确定多个所存储图像的特征，《隐含公开》	[0029]段：“According to the invention, the input vectors to be used for training are full facial images... a single classifier (RBF network 10, is trained with these full images. However, during actual testing, different proportions of the test image are tested against different proportions of the model.”	对比文件公开了使用一个训练好的RBF分类器（即“预先训练的分类器”）。该分类器在测试（或应用）阶段，用于处理输入的“test image”。本领域技术人员知晓，分类器在处理图像时，其内部网络层（尤其是隐藏层）会生成图像的某种中间表示或编码，这可以理解为图像的特征。例如，[0020]段描述RBF网络的隐藏层（BF节点）对输入进行非线性变换，其输出可以被视为一种特征表示。因此，对比文件隐含公开了使用预先训练的分类器来处理图像以得到其特征表示的过程。
技术特征B：所述多个所存储图像的特征不同于用于训练所述第一预先训练的分类器的多个训练图像《隐含公开》	[0029]段：“...a single classifier (RBF network 10, is trained with these full images. However, during actual testing, different proportions of the test image are tested...” [0004]段：“...training a classifier against prior instances of a subject’s face and then using the trained classifier to identify the subject by matching against new instances of that subjects face.”	对比文件明确指出，分类器是使用训练图像（“prior instances”）进行训练的，而在实际测试/应用时，是针对新的、未见过的测试图像（“new instances”, “test image”）进行识别。本领域技术人员可以毫无疑义地理解，用于训练的图像和用于测试/应用的图像是不同的图像集合。由于特征是从图像中提取的，且提取特征的分类器是同一个，那么对于不同的图像集合，其提取出的特征集合（即“多个所存储图像的特征”和“多个训练图像的特征”）也必然是不同的。因此，该特征被对比文件隐含公开。
技术特征C：至少部分地基于所确定的特征来将所述多个所存储图像中的每一个图像指派给多个群集中的群集《隐含公开》	[0025]段：“...another technique implements a clustering algorithm such as k-means to determine the set of BF centers...” [0029]段：“The hidden (unsupervised) layer 14, implements an ‘enhanced’ k-means clustering procedure...”	对比文件在描述RBF分类器的训练过程中，公开了使用k-means等聚类算法来确定其隐藏层中基础函数（BF）的中心。这个过程涉及将训练数据（即图像的特征向量）分组成不同的簇（cluster），以确定每个BF节点的中心。虽然此聚类主要用于初始化网络参数，但它本质上是一种基于特征向量（来自训练图像）进行分群集的操作。本领域技术人员可以合理推断，同样的聚类思想可以应用于任何一组图像的特征向量，以将它们指派到不同的群集中，这与目标专利中基于特征进行分群集的作用（组织/分组图像）是类似的。因此，该特征被隐含公开。
技术特征D：基于所述图像离对应于所述图像的最接近的群集中心的距离小于第一阈值、与所述最接近的群集中心相关联的预定义图像数目小于第二阈值、和/或与最接近的群集中心相关联的图像百分比小于第三阈值来向所述多个所存储图像中的图像指派标记《未公开》	未发现相关内容。	对比文件完全没有提及基于图像到群集中心的距离、关联图像数目或百分比等具体阈值条件来为图像指派标记（label）的任何操作或方法。其聚类目的（确定BF中心）和图像标记过程（输出层分类）是分离的，且标记规则（如多数投票）应用于整个分类结果，而非基于群集内图像分布的具体阈值。因此，该特征未被对比文件公开。
技术特征E：修改所指派的标记《未公开》	未发现相关内容。	对比文件仅涉及自动的人脸识别分类过程，未提及任何允许或描述用户或系统修改已指派给图像的标记（例如，身份标签）的内容。因此，该特征未被对比文件公开。
技术特征F：当所述所指派的标记被修改时用所述图像来重新训练所述第一预先训练的分类器《未公开》	未发现相关内容。	对比文件未提及任何修改标记的操作，因此自然也未有基于修改后的标记来重新训练分类器的内容。其分类器训练是一次性的（或离线的），未描述根据用户反馈进行在线学习或重新训练的过程。因此，该特征未被对比文件公开。
技术特征G：以及至少部分地基于所述预先训练的分类器来对所述图像重新分类。《未公开》	未发现相关内容。	对比文件描述了使用训练好的分类器对测试图像进行一次分类的过程，但未提及在修改标记或重新训练后，对同一批图像进行“重新分类”的操作或流程。因此，该特征未被对比文件公开。
技术特征H：其特征在于，所述第一预先训练的分类器是支持向量机器(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP)。《未公开》	[0018]段：“For purposes of description, a Radial Basis Function (‘RBF’) classifier is implemented although any classification method/device may be implemented.”	对比文件明确其具体实施方式使用的是RBF（径向基函数）分类器，虽然提到“any classification method/device may be implemented”，但这仅是一种泛泛的可能性陈述，并未具体公开或教导SVM、逻辑回归、最近邻或MLP这些特定的分类器类型。因此，目标专利所限定的具体分类器类型未被对比文件公开。
技术特征I：其特征在于，进一步包括，至少部分地基于对应的标记来将所述多个所存储图像中的图像分类到群中。《未公开》	未发现相关内容。	对比文件中，“分类”是指将图像识别为特定的人（类），而“分群集”是指确定网络参数时的数据分组。两者目的不同，且未描述将已标记的图像再进一步分类到“群”（可能指文件夹或子类）中的步骤。因此，该特征未被对比文件公开。
技术特征J：其特征在于，进一步包括，至少部分地基于对应的群来将所述多个所存储图像中的每个图像放置到文件夹中。《未公开》	未发现相关内容。	对比文件涉及人脸识别算法和系统，完全不涉及图像文件的管理操作，如将图像“放置到文件夹中”。这是目标专利中面向用户图像管理的具体应用步骤，在对比文件中无任何对应。因此，该特征未被对比文件公开。
技术特征K：其特征在于，进一步包括，使用非特定名称来命名所述文件夹。《未公开》	未发现相关内容。	对比文件不涉及文件夹及其命名，因此该特征未被公开。
技术特征L：其特征在于，进一步包括，使用第二预先训练的分类器来确定特定文件夹名称。《未公开》	未发现相关内容。	对比文件不涉及文件夹命名，更未提及使用第二个分类器来确定文件夹名称。因此，该特征未被公开。
技术特征M：其特征在于，进一步包括，使用所述第二预先训练的分类器、至少部分地基于与相关联的群的标记相关联的群集中心的分类来确定所述特定文件夹名称。《未公开》	未发现相关内容。	对比文件不涉及文件夹命名，因此该特征未被公开。
技术特征N：其特征在于，所述特定文件夹名称进一步至少部分地基于关于给定文件夹的所标记图像的多数裁定规则来确定。《未公开》	未发现相关内容。	对比文件不涉及文件夹命名。虽然[0030]段提到使用多数裁定规则（majority rule）来确定最终的人脸身份类别，但这是用于分类决策，与文件夹命名无关。因此，该特征未被公开。
技术特征O：其特征在于，进一步包括，接收修改特定文件夹名称或指派新的特定文件夹名称的用户输入。《未公开》	未发现相关内容。	对比文件不涉及文件夹及其命名，也未描述任何接收用户输入以修改系统参数（如文件夹名称）的交互。因此，该特征未被公开。
技术特征P：其特征在于，进一步包括，至少部分地基于群集中心或者至少一个所标记的图像特征向量来重新训练第二预先训练的分类器以包括经修改的特定文件夹名称或所述新的特定文件夹名称。《未公开》	未发现相关内容。	对比文件不涉及文件夹命名及相应的分类器重新训练。因此，该特征未被公开。
技术特征Q：其特征在于，进一步包括，至少部分地基于确定新图像的特征向量和应用所述分类器以确定所述新图像的群来将所述新图像放置在文件夹中。《未公开》	[0029]段：“...during actual testing, different proportions of the test image are tested against different proportions of the model.”	对比文件公开了对于新的测试图像（“新图像”），使用训练好的分类器进行处理（可隐含得到特征向量）并确定其类别（“群”）。然而，对比文件未公开将新图像“放置在文件夹中”这一后续的文件管理操作。因此，仅部分公开了“确定新图像特征和应用分类器确定其群”，但整体技术特征（包含放置到文件夹）未被公开。
技术特征R：其特征在于，进一步包括，接收修改所述所指派的标记的用户输入。《未公开》	未发现相关内容。	同技术特征E，对比文件未涉及任何修改标记的用户交互。因此，该特征未被公开。
技术特征S：其特征在于，至少部分地基于将所述图像从第一文件夹移至第二文件夹的用户输入来修改所述所指派的标记。《未公开》	未发现相关内容。	对比文件不涉及文件夹操作，因此该特征未被公开。
技术特征T：其特征在于，进一步包括，与第二用户共享至少一个分类器或群集中心列表。《未公开》	未发现相关内容。	对比文件描述的是一个独立的人脸识别系统，未提及任何与其他用户共享分类器模型或群集中心列表的功能或操作。因此，该特征未被公开。
技术特征U：其特征在于，所共享的群集中心列表与所述第二用户的群集中心列表相组合以创建用于所述第二用户的图像的标记并且更新用于所述第二用户的分类器。《未公开》	未发现相关内容。	对比文件未涉及用户间共享与组合数据，也未描述基于组合数据创建标记并更新分类器的过程。因此，该特征未被公开。