对比文件名称：US2011119210A1_Description_20260221_0615
目标专利名称：189照片管理CN106104577B
本次调用的模型名称：未提供具体模型名称
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 | 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》 | [0006] ...a technology by which a plurality of classifiers is jointly trained... [0016] ...improving multi-view object detection through multiple category learning... [0020] ...the subcategory classifiers “in training” 108 are initially trained using the positive, or positive and negative examples... | 对比文件公开了训练多个子类别分类器（a plurality of classifiers / subcategory classifiers）用于物体检测。这些分类器在训练开始时被“initially trained”（参见[0020]），这相当于进行了预先训练。虽然对比文件主要描述训练过程，但训练完成的分类器必然用于确定输入数据（如图像）的特征（表现为分类得分或概率，如公式(1)中的pik或[0033]中的yik^T）。本领域技术人员能够理解，为了进行物体检测（如[0016]所述），需要将待检测的图像输入这些训练好的分类器以提取特征（得分/概率）。因此，对比文件隐含公开了使用预先训练的分类器来确定图像特征的技术方案。 |
| **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》 | [0001]-[0004] 描述了使用训练示例（training examples）来训练分类器以进行物体检测。 [0033] ...a set of training examples as S={(xi ; zi ); i=1, . . . , N}... | 对比文件明确区分了“训练示例”（training examples）和待分类的数据（如[0039]中提到的“unlabeled multi-view object data”）。训练分类器所使用的训练图像集（S）是用于优化分类器参数的。当分类器训练完成后，用于确定特征的“所存储图像”或待检测图像，在应用场景下通常是新的、不同于训练集的图像。本领域技术人员可以毫无疑义地推断，在实际应用（如检测新图像中的物体）时，输入分类器的图像特征与训练图像的特征是不同的，否则无法体现分类器的泛化能力。因此，该特征被隐含公开。 |
| **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《直接公开》 | [0020] ...it is desirable to cluster examples into different subcategories... [0021] ...each training example is only labeled with an adaptive label... [0025] ...the switching of labels becomes less frequent as the training examples tend to become correctly labeled. [0048] ...Updating the run-time labels allows the positive example clusters to be re-formed during training... | 对比文件的核心内容之一就是通过自适应标签（adaptive label）将训练示例聚类（cluster）到不同的子类别（subcategories）中。例如，[0020]指出多类别学习适用于希望将示例聚类到不同子类别的问题；[0021]说明每个训练示例被标记一个自适应标签；[0025]和[0048]则明确提到了“clusters”（群集）的形成和重组。在训练过程中，每个示例基于分类器输出的得分（即确定的特征，如公式(9)中的arg max yik^t）被分配一个运行时标签（run-time label，即li^t），这实质上就是基于特征将示例指派给一个子类别群集。因此，该技术特征被对比文件直接公开。 |
| **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》 | 对比文件中未发现有关基于距离、数目或百分比阈值来指派标记的相关内容。 | 对比文件通过自适应标签为示例指派标记（即子类别），该指派主要基于分类器输出的最高得分（winner-take-all，如公式(5)、(9)、(12)）或概率分布（如[0026]所述），并未涉及与“群集中心”的距离计算，也未涉及基于预定义图像数目或图像百分比的阈值条件来筛选图像以指派标记。目标专利的该特征限定了更具体的标记指派规则，对比文件没有公开这些规则。 |
| **技术特征E**：修改所指派的标记《直接公开》 | [0021] ...an adaptive label that can change over iterations... [0022] ...the adaptive label may comprise a set of scores... ...the label may switch to a different subcategory if a higher score is achieved... [0044] 算法表格中的“label switching”。 | 对比文件明确且多次描述了在迭代训练过程中，示例的自适应标签（assigned label）可以根据分类器输出的变化而被修改（change/switch）。例如，[0021]指出自适应标签可以随着迭代而改变；[0022]说明如果子类别分类器得到更高分数，标签可能切换到不同的子类别；算法中也包含“label switching”步骤。这直接对应于修改所指派的标记。 |
| **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《直接公开》 | [0021] ...the training examples are fed to all classifiers in training 108 for training jointly, and each training example is only labeled with an adaptive label that can change over iterations... [0023] ...iterative training (algorithm) mechanism 112 that controls the iterative process... [0044] 算法描述了迭代训练过程，在标签切换后继续进行训练。 | 对比文件的整个训练机制是迭代的。在每次迭代中，使用当前带有自适应标签（可能已被修改）的训练示例来重新训练（jointly train）分类器（参见[0021]）。迭代训练机制（[0023]）控制着这个过程。这直接公开了当标记被修改（即标签切换）后，使用这些图像重新训练分类器的技术方案。 |
| **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。《隐含公开》 | [0021]-[0022]描述了自适应标签随着分类器在迭代中的改进而改变，本质上就是基于更新后的分类器对示例进行重新评估和分类。 [0044] 算法流程：在标签切换（更新标记）后，训练继续，这意味着分类器被更新，后续的评估和分类将基于更新后的分类器进行。 | 对比文件公开了在迭代训练中，分类器被不断更新（重新训练）。当分类器被更新后，其对于输入示例的分类结果（即所属子类别）也会相应更新，这实质上构成了基于更新后的分类器对图像进行“重新分类”。虽然对比文件侧重于训练过程，但重新分类是训练迭代中评估和更新标签的必然步骤。因此，本领域技术人员可以合理推断出该技术特征。 |
| **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》 | [0006] ...multiple category boosting... [0048] ...winner-take-all multiple category boosting... 全文主要使用和描述的是 boosting 分类器及其算法。 | 对比文件通篇描述的分类器训练方法都是基于“boosting”算法（如multiple category boosting, winner-take-all multiple category boosting），并详细给出了相应的数学公式和算法步骤。对比文件没有提及目标专利所限定的SVM、逻辑回归、最接近的邻居或MLP等特定类型的分类器。因此，该特定分类器类型未被公开。 |
| **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。《隐含公开》 | [0020] ...cluster examples into different subcategories. [0021] ...labeled with an adaptive label... [0048] ...positive example clusters... | 如特征C所述，对比文件公开了基于自适应标签（标记）将示例聚类（cluster）到不同子类别中。将图像“分类到群中”与“聚类到子类别中”在本领域具有相同的技术含义。因此，该特征已被对比文件隐含公开。 |
| **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》 | 对比文件全文未提及“文件夹”（folder）或类似概念，也未涉及将图像根据类别放置到任何文件系统或用户界面中的具体存储结构。 | 对比文件关注于分类器的训练和物体的分类/检测，属于图像处理和分析层面。而将图像“放置到文件夹中”属于图像管理、文件系统操作或用户界面交互的具体应用实现。对比文件没有公开这一具体应用步骤。 |
| **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》 | 对比文件未涉及文件夹，因此自然也未有对文件夹进行命名的相关内容。 | 同特征J，该特征涉及具体的图像管理界面操作，未被对比文件公开。 |
| **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》 | 对比文件未涉及文件夹命名，也未提及使用额外的分类器来确定名称。 | 该特征未被对比文件公开。 |
| **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》 | 对比文件未涉及文件夹命名，也未提及基于群集中心分类来确定名称。 | 该特征未被对比文件公开。 |
| **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》 | 对比文件未涉及文件夹命名及多数裁定规则。 | 该特征未被对比文件公开。 |
| **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》 | 对比文件未涉及文件夹命名及相关的用户输入。 | 该特征未被对比文件公开。 |
| **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》 | 对比文件未涉及用于文件夹命名的第二分类器及其重新训练。 | 该特征未被对比文件公开。 |
| **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。《隐含公开》 | [0039] ...the trained subcategory classifiers 102 are provided for use in classifying unlabeled multi-view object data. [0059]-[0060] 描述了使用训练好的弱分类器对数据（如图像）进行分类并基于结果选择深度分类器进行最终分类。 | 对比文件公开了将训练好的分类器应用于新的未标记数据（unlabeled data）进行分类（[0039]）。应用分类器确定新图像的类别（群），是分类器训练后的必然用途。虽然对比文件未明确提及“放置在文件夹中”这一具体管理动作，但“确定新图像的群”这一核心步骤已被公开。将图像放入对应文件夹是本领域技术人员在实现图像管理时的一种常规、直接的应用方式。因此，该特征的核心内容（基于分类器确定新图像的群）被隐含公开。 |
| **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》 | 对比文件中标记（自适应标签）的修改是通过算法迭代自动进行的（如[0021],[0044]），目的是优化分类器性能。未提及接收用户输入来手动修改所指派的标记。 | 目标专利该特征强调用户交互修改标记，而对比文件中的标记修改是自动化训练过程的一部分，两者作用不同。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》 | 对比文件未涉及文件夹以及通过移动图像来修改标记的用户交互。 | 该特征涉及具体的用户界面交互操作来修改标记，未被对比文件公开。 |
| **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》 | 对比文件全文未提及与其它用户共享分类器或群集中心列表。 | 该特征涉及社交化或协作式图像管理功能，未被对比文件公开。 |
| **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》 | 对比文件未提及共享与组合群集中心列表。 | 该特征未被对比文件公开。 |
<<<C>>><<<E>>><<<F>>><<<a>>><<<b>>><<<c>>><<<g>>><<<i>>><<<q>>>