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，《未公开》	[0005] 视觉搜索算法，包括SIFT算法，使用被称为“相似性度量”的特征匹配。	对比文件公开了在视觉搜索中使用SIFT等算法进行特征提取和匹配。然而，SIFT是一种特征提取算法，其本身是一个固定的特征检测和描述算法，并非一个需要“训练”过程（尤其是基于标记数据进行后向传播训练）的“分类器”。目标专利中的“预先训练的分类器”（如DCN特征提取器）是为了对图像内容进行分类而训练的，其作用是从图像中提取可用于分类和分群集的“特征向量”。对比文件中的特征提取是为了进行特征点匹配以识别物体，两者目的和作用不同。因此，对比文件未公开使用“预先训练的分类器”来确定图像特征。
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《未公开》	无对应内容。	对比文件完全没有涉及任何“训练分类器”的过程，也没有提及用于训练分类器的“训练图像”集。因此，无法判断所处理的图像特征是否与训练图像不同。该特征未被公开。
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》	[0042] 特征匹配单元36可以首先计算一个重构查询特征描述符40与存储在特征描述符数据库38中的多个参考特征描述符中每一个之间的距离。然后，特征匹配单元36可以使用聚类算法来确定第一组一个或多个计算出的距离和第二组计算出的距离。<br>[0042] 在一些实例中，聚类算法可以包括k均值聚类算法（其中在该示例中k被设置为2以产生第一和第二组）...	对比文件公开了基于特征描述符（即“所确定的特征”）之间的距离，使用聚类算法（如k-means）将它们分成两组（即“群集”）。虽然对比文件中的“群集”是针对特征描述符之间的距离值进行分组，而不是直接将“图像”指派给群集，但每个特征描述符都源自一个特定的图像（查询图像或参考图像）。将特征描述符根据其相似性（距离）进行聚类，本质上等同于将承载这些特征的图像根据其特征的相似性进行归类。本领域技术人员能够毫无困难地理解，对图像特征的聚类结果可以直接映射为对图像本身的聚类。因此，该技术特征被对比文件隐含公开。
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》	无对应内容。	对比文件虽然使用了距离和聚类来确定特征是否匹配，但其目的是为了判断匹配的“独特性”以决定是否接受该匹配，并为参考图像投票以生成排名列表。整个过程不涉及为目标专利中所述的“图像”主动“指派标记”。对比文件没有公开任何基于与群集中心的距离、数目或百分比阈值来为图像分配标签或标记的步骤。该特征未被公开。
技术特征E：修改所指派的标记《未公开》	无对应内容。	对比文件完全不涉及用户交互、用户反馈或对任何“标记”进行修改的过程。该特征未被公开。
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》	无对应内容。	如E所述，对比文件无“修改标记”的步骤，因此更不存在基于修改来“重新训练分类器”的步骤。该特征未被公开。
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》	无对应内容。	对比文件没有公开任何“重新分类”的过程。其流程是线性的：提取特征、匹配、返回结果。没有根据新信息（如用户修改）进行迭代优化或重新分类的环节。该特征未被公开。
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》	[0042] ...聚类算法可以包括k均值聚类算法...	对比文件明确提到的算法是用于特征匹配过程中距离分组的“聚类算法”（如k-means），以及底层的特征提取算法（如SIFT）。它没有公开将SVM、逻辑回归、最近邻或MLP作为“第一预先训练的分类器”用于确定图像特征。该特征未被公开。
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》	无对应内容。	对比文件没有为图像“指派标记”（见特征D），因此也就不存在基于标记将图像分类到“群”中的后续步骤。其“群集”是基于特征距离的数学分组，并非有语义意义的“标记”分类。该特征未被公开。
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》	无对应内容。	对比文件涉及的是视觉搜索服务器返回匹配结果，完全不涉及本地图像管理系统中的“文件夹”概念或操作。该特征未被公开。
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》	无对应内容。	同上，对比文件无“文件夹”概念，故无命名操作。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》	无对应内容。	对比文件仅涉及一个用于特征匹配的流程，没有提及使用任何“第二预先训练的分类器”来确定名称。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》	无对应内容。	对比文件无“第二分类器”、“群标记”、“群集中心的分类”及“文件夹名称”等概念。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》	无对应内容。	对比文件无“文件夹”、“标记图像”及“多数裁定规则”等概念。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》	无对应内容。	对比文件不涉及接收用户输入以修改或创建文件夹名称。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》	无对应内容。	对比文件无“重新训练第二分类器”、“修改文件夹名称”等相关内容。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》	无对应内容。	对比文件描述了处理新的查询图像（即“新图像”）以进行视觉搜索的过程，包括提取其特征描述符（即“特征向量”）并进行匹配。然而，其目的是识别物体并返回匹配的参考图像列表，而不是将新图像“放置在文件夹中”进行管理。目的和作用不同。该特征未被公开。
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》	无对应内容。	同特征E，对比文件无用户修改标记的环节。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》	无对应内容。	对比文件无“文件夹”及用户移动图像的操作。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》	无对应内容。	对比文件专注于单次搜索请求-响应的过程，未涉及在用户间共享分类器或群集中心数据的功能。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》	无对应内容。	对比文件无共享、组合群集中心列表以及据此更新分类器的内容。该特征未被公开。
技术特征V：其特征在于，进一步包括，与所述第二用户共享用户为类别或群集定义的种类。《未公开》	无对应内容。	对比文件无用户定义种类并进行共享的内容。该特征未被公开。