对比文件名称：US8611678B2_Description_20260220_1541
目标专利名称：189照片管理CN106104577B
本次调用的模型名称：专利创造性评估模型
### 特征比对表格
| 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**：用第一预先训练的分类器来确定多个所存储图像的特征。<br>**《直接公开》** | [0026] “The computer system 105 can be trained on the low-level features to recognize mid-level features, for example, foliage, sunset, beach, human faces, buildings, areas of interest, and the like. To do so, the computer system 105 can implement machine learning classifiers in some implementations.”<br>[0046] “The apparatus 215 can be trained, for example, by implementing machine learning classifiers, to recognize the patterns...”<br>[0072] “Within the Utilities layer, low-level image features are extracted from an image raster of pixel data through algorithms described henceforth as Feature Extractors which process an image and produce a vector of feature values.”<br>[0073] “Trained Classifiers employ machine learning algorithms such as Support Vector Machines (SVM), Decision Trees/Forests (C4.5, for example, or Adaboost classifiers) to learn patterns within the produced low-level features (inputs) to recognize intermediate-level characteristics (semantically-relevant outputs).” | 对比文件明确公开了使用机器学习分类器（包括支持向量机SVM等）从图像中提取特征（如低层特征向量）以识别中层特征（如人脸、建筑、日落等）。这对应于目标专利中“用预先训练的分类器确定图像特征”的技术特征。其作用是通过分类器分析图像内容，获取用于后续分组的特征表示，与目标专利中的作用相同。因此，本领域技术人员能够从对比文件中毫无疑义地得出该技术方案，属于**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。<br>**未被公开** | 对比文件未提及或隐含所确定的图像特征与训练该分类器所用训练图像的特征之间的差异性。 | 对比文件描述了使用分类器识别图像中的特征，但未说明该分类器是使用一组训练图像训练得到的，更未提及当前处理的“所存储图像”的特征与“训练图像”的特征是否不同。本领域技术人员无法从对比文件中直接或隐含地推导出这一限定。因此，该技术特征**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。<br>**《直接公开》** | [0023] “Images in a cluster are related to each other, for example, the related images share at least one common feature, and are grouped based on the common feature.”<br>[0060] “The process 600 groups the two or more digital images that share the feature to form a cluster of related digital images at 620.”<br>例如，[0033]基于地理位置形成群集，[0034]基于拍摄时间形成群集，[0056]基于人脸特征形成群集。 | 对比文件的核心内容就是基于图像之间共享的特征（如拍摄时间、地理位置、人脸内容等）将数字图像分组（group）或形成群集（cluster）。这明确公开了“基于特征将图像指派给群集”的技术手段。其作用是根据图像内容的相似性进行自动组织，与目标专利中的作用相同。因此，属于**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。<br>**未被公开** | 对比文件未提及“群集中心”、“距离阈值”、“预定义图像数目阈值”或“图像百分比阈值”作为向图像指派标记（label）的条件。 | 对比文件公开了基于共享特征进行分组，但未公开使用基于“群集中心”的距离、数目或百分比等阈值条件来决定是否为图像指派标记（如类别标签）。目标专利的该特征涉及一种特定的、有条件的标记指派策略，对比文件完全没有涉及。因此，该技术特征**未被公开**。 |
| **技术特征E**：修改所指派的标记。<br>**未被公开** | 对比文件未描述用户可以或如何修改已指派给图像或群集的标记。 | 对比文件主要描述自动分组和呈现，未涉及用户对自动生成的分类或标记进行修改的交互过程。因此，该技术特征**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。<br>**未被公开** | 对比文件未描述基于用户修改标记的行为来重新训练分类器。 | 对比文件未涉及任何根据用户反馈（如修改标记）来更新或重新训练分类器的学习机制。因此，该技术特征**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。<br>**未被公开** | 对比文件未描述在初始分组或标记后，再次使用同一预先训练的分类器对图像进行“重新分类”。 | 对比文件描述了使用分类器提取特征并基于特征分组，这是一个单向流程。未提及在用户交互或系统状态变化后，利用同一分类器进行再次分类的过程。因此，该技术特征**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)。<br>**《直接公开》** | [0073] “Trained Classifiers employ machine learning algorithms such as Support Vector Machines (SVM), Decision Trees/Forests (C4.5, for example, or Adaboost classifiers)...” | 对比文件明确列举了支持向量机（SVM）作为所使用的训练分类器（Trained Classifiers）的一个示例。虽然未提及逻辑回归、最接近的邻居或MLP，但SVM是目标专利权利要求中列举的多个并列选项之一。本领域技术人员能够从对比文件中直接得出使用SVM作为预先训练的分类器的技术方案。因此，关于SVM的部分属于**直接公开**。 |
| **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。<br>**未被公开** | 对比文件未提及为图像或群集“指派标记”（label），也未描述基于“标记”将图像分类到“群”中。其分组是基于“特征”（feature）直接进行的。 | 目标专利中“标记”通常指类别标签（如“花”、“建筑物”），而对比文件中的“特征”是指图像的内在属性（如时间、地点、人脸）。对比文件未公开先为图像指派语义标签，再根据标签进行分类的步骤。因此，该技术特征**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。<br>**未被公开** | 对比文件未提及将图像存储或组织到“文件夹”（folder）中。其分组结果用于创建复合演示文稿（如幻灯片）或逻辑上的群集，而非文件系统的文件夹管理。 | 目标专利该特征涉及操作系统层面的文件管理（放置到文件夹），而对比文件关注于媒体项目的逻辑分组和演示，属于不同层级的操作。因此，该技术特征**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。<br>**未被公开** | 对比文件未涉及文件夹的创建或命名。 | 由于对比文件未公开“文件夹”这一概念，自然也未公开如何命名文件夹，包括使用“非特定名称”。因此，该技术特征**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。<br>**未被公开** | 对比文件未涉及使用任何分类器来确定文件夹名称。 | 对比文件中的分类器用于分析图像内容以进行分组，而非用于生成文件夹名称。因此，该技术特征**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。<br>**未被公开** | 对比文件未涉及“群集中心”、“群的标记”或使用分类器基于这些信息确定文件夹名称。 | 该特征涉及复杂的、多步骤的文件夹命名逻辑，对比文件完全没有相关描述。因此，该技术特征**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。<br>**未被公开** | 对比文件未涉及“多数裁定规则”用于确定文件夹名称。 | 该特定规则在对比文件中无任何记载或暗示。因此，该技术特征**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。<br>**未被公开** | 对比文件未描述用户修改或指派文件夹名称的交互。 | 对比文件未涉及文件夹管理，因此也无相关用户输入。因此，该技术特征**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。<br>**未被公开** | 对比文件未涉及重新训练分类器以纳入用户定义的文件夹名称。 | 对比文件未公开任何根据用户对文件夹名称的修改来更新分类器的机制。因此，该技术特征**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。<br>**未被公开** | 对比文件未描述将“新图像”放置在“文件夹”中。它描述了接收和处理图像（包括新图像）以形成群集，但群集用于演示而非文件夹存储。 | 该特征结合了“新图像”、“分类器确定群”和“放置到文件夹”三个要素。对比文件仅公开了前两个要素的部分内容（处理图像并分组），但未与“文件夹”操作结合。因此，该技术特征**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。<br>**未被公开** | 对比文件未描述用户修改图像或群集的“标记”。 | 对比文件未涉及“标记”这一概念，更不用说修改标记的用户输入。因此，该技术特征**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。<br>**未被公开** | 对比文件未描述用户在不同文件夹间移动图像，也未描述通过这种移动来修改标记。 | 该特征涉及基于文件系统操作（移动文件）来触发语义标记的修改，对比文件完全未涉及此交互逻辑。因此，该技术特征**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。<br>**未被公开** | 对比文件未涉及在不同用户之间共享分类器或群集中心列表。 | 对比文件描述的是单个系统或用户对自身图像的管理，未扩展至多用户间的知识共享。因此，该技术特征**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。<br>**未被公开** | 对比文件未涉及共享、组合群集中心列表，并以此更新另一用户的分类器。 | 该特征描述了复杂的跨用户个性化模型更新机制，对比文件无任何相关记载。因此，该技术特征**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。<br>**未被公开** | 对比文件未涉及用户定义“种类”（categories）并与他人共享。 | 对比文件中的分组基于系统自动识别的特征，而非用户自定义的语义种类。因此，该技术特征**未被公开**。 |
<<<A>>><<<C>>><<<H>>>