非显而易见法律服务网

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》	第[0107]段：“At 524, method 500 may rank each image according to the image distance from the support vector machine decision boundary.” 结合第[0105]段：“At 514, method 500 may train a first support vector machine (SVM) classifier with the contents of the first fold to produce a first model.” 第[0080]-[0081]段：“To capture the global color and texture content of an image, method 300 may extract grid color moment features from each image at 302. ... At 304, method 300 may extract Gabor texture features from each image. ... At 306, method 300 may sequentially link together the grid color moment features from 302 and the Gabor textures from 304 to produce a single feature vector for the global color and texture content of each image in the dataset.”	目标专利的“第一预先训练的分类器”用于确定图像的特征。对比文件方法500（图5）明确公开了使用支持向量机（SVM）分类器对图像进行处理（第[0105]段）。虽然对比文件描述的是在方法流程中“训练”SVM（第[0105]段），然后将训练好的模型（即分类器）应用于图像以获得一个用于排名的距离值（第[0107]段），这个过程隐含了使用一个已训练好（即“预先训练”）的分类器模型来处理（确定）图像特征以进行后续决策。此外，对比文件方法300（图3）公开了从图像中提取颜色和纹理特征以形成特征向量（第[0080]-[0081]段），这些特征向量可作为分类器的输入。因此，本领域技术人员可以合理推断，对比文件公开了使用一个（在流程中训练完成的）分类器来确定图像的特征。
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》	无相关引用。	对比文件完全没有提及用于训练其SVM分类器的“训练图像”的来源或具体组成，更没有将训练图像与待处理的“所存储图像”进行区分或比较。本领域技术人员无法从对比文件中毫无疑义地得出或合理推断出“所存储图像的特征不同于训练图像的特征”这一技术特征。该特征限定了分类器应用场景的特殊性（处理与训练集不同的数据），而对比文件未涉及此内容。
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》	第[0082]-[0083]段：“At 310, method 300 may utilized the K-means clustering algorithm to create a set of visual clusters VεVx for each landmark x. ... each object then may be assigned to the group that has the closest centroid.”	目标专利的技术特征是基于特征将图像指派给群集。对比文件第[0082]-[0083]段明确公开了使用K-means聚类算法，基于图像的特征向量（由颜色和纹理特征组成，见第[0080]-[0081]段）来创建视觉群集（visual clusters），并将每个图像对象（object）指派到具有最近质心的群组（group）中。这直接公开了“至少部分地基于所确定的特征来将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”这一技术方案。
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》	第[0099]段：“At 432, method 400 may determine for each visual cluster the standard deviation of the dates in which the photos in a visual cluster were taken.” 第[0102]段：“At 504, method 500 may rank each image by the Euclidean distance that the image resides from the centroid.”	目标专利的技术特征是基于图像到群集中心的距离、数量或百分比等阈值条件来为图像“指派标记”。对比文件在排名视觉群集（方法400）和排名图像（方法500）时，确实计算了各种分数（如日期标准差、到质心的欧氏距离等）并进行归一化和平均以得到排名（第[0099], [0102]段）。然而，对比文件的核心目的是对群集和图像进行“排名”（ranking）以生成代表性图像列表，并未公开基于这些计算出的距离或数目等设定具体阈值，并据此为图像“指派标记”（assigning a label）这一行为。指派标记（例如，给图像分类标签）与基于分数排序是目的和结果不同的操作。对比文件没有公开这一技术特征。
技术特征E：修改所指派的标记《未公开》	无相关引用。	对比文件是一个自动化的地标图像搜索和排名系统，整个过程没有用户交互环节，也未提及任何对图像或群集的“标记”进行修改的操作。因此，对比文件既未直接公开也未隐含公开“修改所指派的标记”这一技术特征。
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》	无相关引用。	如特征E所述，对比文件未公开“修改标记”。因此，基于修改标记而触发的“重新训练分类器”这一后续步骤自然也无法在对比文件中找到依据。对比文件中的SVM训练是方法流程中固定的一环（第[0105], [0108]段），并非由用户交互事件触发。
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》	无相关引用。	目标专利的“重新分类”是基于用户修改标记并重新训练分类器后发生的。如特征E、F所述，对比文件未公开修改标记和重新训练，因此也就不存在基于更新后的分类器进行“重新分类”这一步骤。对比文件中的分类（聚类）和排名是单向流程。
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)。《直接公开》	第[0105]段：“At 514, method 500 may train a first support vector machine (SVM) classifier with the contents of the first fold to produce a first model.”	目标专利限定第一预先训练的分类器是SVM等具体类型。对比文件第[0105]段明确公开了使用“支持向量机（SVM）分类器”。这直接公开了技术特征H中列举的选项之一。
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》	无相关引用。	目标专利的“分类到群中”是基于已指派的标记进行的进一步组织。对比文件未公开为图像“指派标记”（参见特征D论述），因此也就不存在基于标记进行分类到群中的后续步骤。对比文件中的图像组织是基于聚类算法和排名分数，而非“标记”。
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》	无相关引用。	对比文件系统最终输出的是排名后的代表性图像列表（Rx）（第[0119]段），用于呈现给用户。整个说明书未提及任何将图像“放置到文件夹中”进行存储管理的概念或操作。该特征涉及图像文件系统的管理，与对比文件的地标图像搜索排名目的不同。
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》	无相关引用。	如特征J所述，对比文件未公开“文件夹”的概念，因此自然也谈不上如何命名文件夹。
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》	无相关引用。	如特征J、K所述，对比文件未涉及文件夹命名，更未公开使用任何分类器来确定文件夹名称。
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》	无相关引用。	该特征依赖于“群的标记”、“群集中心的分类”等概念，这些在对比文件中均未公开。因此，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》	无相关引用。	该特征涉及文件夹命名规则，依赖于“所标记图像”和“多数裁定规则”。对比文件未公开图像标记和文件夹，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》	无相关引用。	对比文件是一个自动化处理系统，没有描述任何接收用户输入以修改系统输出（如文件夹名称）的交互功能。
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》	无相关引用。	该特征涉及基于用户交互（修改文件夹名称）来重新训练分类器。如特征O所述，对比文件无用户交互修改功能；如特征L所述，对比文件无“第二预先训练的分类器”用于确定文件夹名称。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。《隐含公开》	第[0101]段：“At 502, method 500 may determine the centroid of all the images within a visual cluster for each visual cluster. ... At 504, method 500 may rank each image by the Euclidean distance that the image resides from the centroid.” 结合第[0080]-[0081]段（提取特征向量）和第[0105]段（应用SVM分类器）。	目标专利的技术特征是对“新图像”进行处理：确定其特征向量，应用分类器确定其所属群，然后放入文件夹。对比文件虽然主要描述对已知数据集的处理，但其方法500（图5）公开了对数据集内图像进行处理的一般流程：提取特征向量（隐含，基于方法300）、应用SVM分类器获得决策边界距离（第[0105],[0107]段）、并基于到质心的距离进行排名/关联（第[0101],[0104]段）。本领域技术人员可以合理推断，对于一篇新输入的图像（“新图像”），可以遵循相同的流程：提取其特征向量，并应用已训练好的分类器（如SVM）或距离度量（如到群集质心的距离）来确定其与哪个群集更相关（即“确定新图像的群”）。虽然对比文件未明确提及“新图像”和“放置在文件夹中”，但确定新图像的归属群集这一核心步骤可以被隐含公开。将图像放入对应文件夹是确定其归属群集后的一种常规、直观的存储管理操作。
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》	无相关引用。	如特征D、E所述，对比文件未公开“指派标记”，因此接收修改标记的用户输入也无从谈起。对比文件系统是自动化的，无此交互环节。
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》	无相关引用。	该特征涉及通过移动图像文件这一用户操作来隐含地修改标记。对比文件未涉及文件夹、用户移动图像操作，也未涉及标记的修改。
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》	无相关引用。	对比文件描述的是一个中心化的地标图像搜索系统，未提及任何在不同用户之间共享分类器模型或群集中心列表的功能或步骤。
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》	无相关引用。	该特征依赖于特征T的共享功能以及为用户图像“创建标记”和“更新分类器”。如特征T所述，共享功能未公开；如特征D所述，创建标记未公开；如特征F所述，更新（重新训练）分类器也未在该上下文中公开。
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》	无相关引用。	对比文件中未提及用户可以自定义“种类”（category）或“群集”（cluster）的定义，更没有提及将这种用户定义分享给其他用户。系统的群集（如视觉群集Vx）是通过算法自动生成的，而非用户定义。