对比文件名称：US2016140146A1_Description_20260221_0611
目标专利名称：189照片管理CN106104577B
模型名称：深度卷积神经网络（DCNN）图像分类与管理系统
### 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。《直接公开》 | [0005]：“应用最新的计算机视觉算法到图像以从中提取元数据。此类计算机视觉算法可包括：深度卷积神经网络以提取关键词...”<br>[0112]：“图像分析包括使用计算机视觉、OCR、面部识别和颜色调色板算法从图像中提取语义信息...”<br>[0113]：“在视觉分类（508）过程中，使用基于专有训练集的深度卷积神经网络等算法，提取描述图像中语义对象的关键词。” | 对比文件明确公开了使用预先训练的深度卷积神经网络（DCNN）对图像进行分析，以提取描述图像的语义关键词。这相当于使用一个预先训练的分类器（DCNN）来确定所存储图像的特征（即关键词）。该特征在对比文件中用于图像搜索和分类，在目标专利中用于确定特征以进行后续分群集，两者作用均为图像分析和管理的基础步骤。因此，本领域技术人员能毫无疑义地得出该技术方案，技术特征A被直接公开。 |
| **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》 | [0113]：“在视觉分类（508）过程中，使用基于专有训练集的深度卷积神经网络等算法...”、“...训练可以继续改进图像分析结果的质量。在摄取后，系统检查正在分析的图像是否包含手动添加的关键词，并使用这些图像来改进训练数据集。” | 对比文件公开了使用基于“专有训练集”训练的神经网络来分析用户图像。根据本领域技术人员的常规理解，用于训练模型的“训练集”与应用模型进行特征提取的“用户图像集”通常是不同的数据集。对比文件提到使用手动添加关键词的图像来“改进训练数据集”，这进一步隐含了分析对象（用户图像）与原始训练数据是不同的。因此，本领域技术人员能够合理推断，所存储图像的特征不同于用于训练分类器的训练图像，技术特征B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。 | 未发现相关内容。 | 对比文件的核心在于通过提取的关键词和元数据进行搜索、过滤和可视化（如图表、地图），并未公开将图像基于其特征“指派”给特定“群集”的技术手段。目标专利中的“分群集”是一种将图像组织成不同组（群集）的管理操作，而对比文件中的搜索结果显示和图表交互（如点击条形图筛选）属于临时性的查询结果过滤，并非对图像库进行持久性的群集划分和指派。因此，技术特征C未被公开。 |
| **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。 | 未发现相关内容。 | 对比文件通过图像分析算法自动生成标签（关键词），或允许用户手动添加/移除标签（[0137]），但并未涉及任何“群集中心”的概念，也没有基于图像到群集中心的距离、数目或百分比等阈值条件来指派标记的机制。技术特征D中限定了一套具体的、基于群集中心距离和统计阈值的标记指派规则，该规则在对比文件中完全没有记载或暗示。因此，技术特征D未被公开。 |
| **技术特征E**：修改所指派的标记。《直接公开》 | [0137]：“查看器应用102允许用户通过分类模块436向单个图像和图像组（例如当前搜索集）添加手动标签...标签也可以从图像中移除，包括自动添加的标签...” | 对比文件明确公开了用户可以向图像添加手动标签，并可以移除（包括自动添加的）标签。这直接对应于“修改所指派的标记”这一操作。该操作在对比文件中的作用是允许用户修正或补充自动分类结果，进行工作流管理，与目标专利中允许用户修改标记以优化分类的作用相同。因此，技术特征E被直接公开。 |
| **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。《直接公开》 | [0113]：“...在摄取后，系统检查正在分析的图像是否包含手动添加的关键词，并使用这些图像来改进训练数据集。这样，使用分类完成的自动标记过程可以对每个客户进行特定于上下文的改进。” | 对比文件明确公开了系统会利用包含“手动添加的关键词”（即被用户修改过的标记）的图像来“改进训练数据集”。改进训练数据集即意味着用这些新标记的数据重新训练模型（如DCNN），从而提高后续自动标记（分类）的质量。这完全对应于“当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”。因此，技术特征F被直接公开。 |
| **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。 | 未发现相关内容。 | 对比文件公开了利用用户修改后的标记图像重新训练模型（[0113]），以提高未来图像分析的准确性。然而，对比文件并未明确描述在重新训练之后，对“已有的”、“已被分类/标记”的图像（即触发训练的那些图像或其他图像）进行“重新分类”的具体步骤或操作。虽然重新训练模型后，模型对新图像或未来分析的处理会改变，但目标专利中的“重新分类”特指对已有图像的再次分类过程，这在对比文件中没有明确教导。因此，技术特征G未被直接公开。隐含公开判断：重新训练分类器的目的就是改进分类，本领域技术人员可以合理推断，改进后的分类器可以应用于现有图像以更新其分类。这是一个合理的、符合逻辑的后续步骤。因此，技术特征G被隐含公开。 |
| **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(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP)。 | [0005], [0112], [0113] 等均提及使用“深度卷积神经网络（Deep Convolutional Neural Network）”。 | 对比文件唯一明确公开的用于特征提取或分类的“第一预先训练的分类器”是“深度卷积神经网络（DCNN）”。DCNN是一种特定类型的神经网络结构，与权利要求中明确列举的“支持向量机(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP)”属于不同的具体分类器类型。尽管MLP也是一种神经网络，但权利要求中将其与SVM等并列作为选项，而对比文件并未提及这些选项中的任何一个。因此，技术特征H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》 | [0135]：“图形视图616和地图视图614是交互式的。点击仪表板中的各种元素，例如地图614上的区域、图形616中图表的条形或楔形...可以更新搜索和所有其他图形视图...例如，点击类别条形图中的#Dog条形可以选择所有带有#Dog标签的图像。”<br>[0137]：“...例如，点击类别图形中的#Dog条形可以选择所有带有#Dog标签的图像。” | 对比文件公开了用户可以通过点击代表特定标签（如#Dog）的图表元素（如条形），来将当前视图中的图像“过滤”或“选择”为仅包含该标签的图像集合。这种基于标签的交互式过滤，实质上就是将图像根据其标记动态地“分类”到不同的可视化的“群”（即搜索结果子集）中。虽然对比文件未使用“分类到群中”的表述，但其技术手段实现的功能与目标专利中“基于标记将图像分类到群中”是相同的。因此，本领域技术人员能够合理推断出该技术特征，技术特征I被隐含公开。 |
| **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。 | 未发现相关内容。 | 对比文件描述了在图形用户界面中对图像进行搜索、过滤和可视化展示，但整个系统基于“图像目录”和元数据进行操作，并未引入“文件夹”这一用于物理或逻辑存储图像文件的概念。目标专利中“将图像放置到文件夹中”是一种具体的图像文件组织管理方式，在对比文件中没有对应记载。因此，技术特征J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。 | 未发现相关内容。 | 由于技术特征J（文件夹）未被公开，因此其进一步限定的“命名文件夹”的特征K也未被公开。 |
| **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。 | 未发现相关内容。 | 由于技术特征J（文件夹）未被公开，因此其进一步限定的“确定文件夹名称”的特征L也未被公开。对比文件也未提及使用第二个分类器来命名任何实体。 |
| **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。 | 未发现相关内容。 | 该特征涉及“群集中心”和“第二预先训练的分类器”，这些概念在对比文件中均未出现，因此技术特征M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。 | 未发现相关内容。 | 该特征涉及“文件夹”和“多数裁定规则”，这些概念在对比文件中均未出现，因此技术特征N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。 | 未发现相关内容。 | 由于“文件夹”概念未被公开，因此与其名称修改相关的特征O也未被公开。 |
| **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。 | 未发现相关内容。 | 该特征涉及“群集中心”、“第二预先训练的分类器”和“文件夹名称”，这些概念在对比文件中均未出现，因此技术特征P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。 | 未发现相关内容。 | 对比文件公开了对新图像进行分析并提取关键词（特征）（[0104]），这些关键词可用于搜索和过滤（确定群）。但对比文件未公开“将新图像放置在文件夹中”这一步骤。因此，技术特征Q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。《直接公开》 | [0137]：“查看器应用102允许用户通过分类模块436向单个图像和图像组（例如当前搜索集）添加手动标签...标签也可以从图像中移除，包括自动添加的标签...” | 对比文件明确描述了用户可以向图像添加或移除标签。这直接对应于“接收修改所指派的标记的用户输入”。该操作在对比文件中是用户交互的一部分，用于完善图像元数据，与目标专利中的作用一致。因此，技术特征R被直接公开。 |
| **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。 | 未发现相关内容。 | 对比文件未提及“文件夹”概念，因此不存在通过移动图像到不同文件夹来修改标记的技术手段。虽然对比文件公开了修改标记（特征E、R），但并未公开通过“移动文件夹”这一特定用户界面操作来触发标记修改。因此，技术特征S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。 | 未发现相关内容。 | 对比文件提到了可以共享搜索字符串（[0126]），但并未提及共享“分类器”或“群集中心列表”。因此，技术特征T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。 | 未发现相关内容。 | 该特征涉及“群集中心列表”的共享和组合，这些概念在对比文件中均未出现，因此技术特征U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。 | [0177]：“例如，用户可以定义一个名为‘Workflow’的标签集，包含标签{#Draft, #Eval, #Final}，或名为‘Seasons’的标签集，包含{#Winter, #Spring, #Summer, #Fall}。” | 对比文件公开了用户可以定义全局标签集（即用户为类别定义的种类）。然而，对比文件并未公开“与第二用户共享”这些用户定义的种类。虽然系统支持多用户（如数据管理者和查看者），但未描述在用户间共享自定义种类或标签集的功能。因此，技术特征V未被公开。 |
<<<A>>><<<E>>><<<F>>><<<R>>><<<b>>><<<g>>><<<i>>>