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，《未直接公开也未隐含公开》	对比文件[0075]段：Various classification (explicitly and/or implicitly trained) schemes and/or systems (e.g., support vector machines, neural networks, expert systems, Bayesian belief networks, fuzzy logic, data fusion engines . . . ) can be employed in connection with performing automatic and/or inferred action in connection with the claimed subject matter.	对比文件提及了可以使用支持向量机（SVM）、神经网络等分类方案或系统来执行自动或推断动作。然而，这些分类器在对比文件中主要用于对视野（view）中的实体（如建筑物、标志、物体等）进行分类、识别或匹配，以将其关联到地理空间模型或图像数据库中的模型实体（modeled entity）。这与目标专利中“用预先训练的分类器来确定多个所存储图像的特征”有本质区别。目标专利（参见[0098]-[0100]段）的特征提取器（深度卷积网络）的作用是从图像中提取用于后续无监督分群集的特征向量，其输出是特征表示，而非直接的对象类别标签。对比文件没有描述使用一个预先训练的分类器（如深度卷积网络）来从一组存储的图像中提取用于分群集的通用特征向量。因此，该技术特征未被直接公开。同时，本领域技术人员也无法从对比文件公开的实体识别/分类功能，合理且毫无疑义地推断出用于图像特征提取以进行分群集的分类器。因此，该技术特征也未被隐含公开。
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《未直接公开也未隐含公开》	对比文件未提及分类器的训练数据与待处理图像集之间的关系。	目标专利强调，用于提取特征的图像（所存储图像）与用于训练特征提取器的图像（训练图像）是不同的集合。对比文件完全没有涉及分类器的训练过程、训练数据来源，以及训练数据与待处理实时图像或存储图像之间是否相同或不同的任何讨论。因此，该技术特征既未被直接公开，也未被隐含公开。
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《未直接公开也未隐含公开》	对比文件未描述对一组存储图像进行分群集（clustering）操作。	目标专利的核心之一是利用提取的特征向量，通过k-means、g-means等分群集算法，将图像分组到不同的群集中（参见[0100]段）。对比文件的核心是将图像中的实体与数据库中的模型实体进行“匹配（match）”或“关联（correlate）”（例如[0038]段、[0039]段、[0099]段），目的是识别实体身份并获取附加内容，而不是对一组图像本身进行无监督的聚类分析以发现其内在分组结构。匹配已知实体与分群集未知图像是不同的技术手段和目的。因此，该技术特征未被直接公开。对比文件也未部分公开或提供任何线索使得本领域技术人员能合理推断出对图像集合进行分群集的操作。因此，该技术特征也未被隐含公开。
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《未直接公开也未隐含公开》	对比文件未提及任何与“群集中心”、“距离阈值”、“图像数目阈值”、“图像百分比阈值”相关的概念或操作。	该技术特征描述了基于分群集结果和多种阈值条件来选择性标记图像的精细规则。对比文件完全不涉及图像分群集，因此自然没有与之相关的群集中心、距离计算以及基于这些度量的阈值判断和标记指派过程。该技术特征未被对比文件以任何形式公开或暗示。
技术特征E：修改所指派的标记《未直接公开也未隐含公开》	对比文件未提及对图像或实体“标记（label/tag）”的修改。	目标专利允许用户修改由系统自动指派的标记（参见[0111]-[0113]段）。对比文件虽然涉及用户交互（如基于用户资料定制内容），但并未描述用户修改系统为图像或实体自动生成的类别标记或标签这一具体行为。因此，该技术特征未被直接公开。对比文件也未提供足够基础以隐含此特征。
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《未直接公开也未隐含公开》	对比文件[0071]段提到了“feedback component 820 that can propagate update 822 in order to update to geospatial model 312”，以及基于图像与模型视图的差异来更新地理空间模型。	目标专利中，当用户修改标记后，会使用这些带有新标记的图像来重新训练分类器，以实现个性化学习（参见[0110], [0112], [0134]段）。对比文件的反馈组件用于更新地理空间模型本身（例如，反映现实世界的新建筑），而不是更新或重新训练一个用于图像特征提取或分类的“预先训练的分类器”。两者更新的对象和目的不同。因此，该技术特征未被直接公开。虽然对比文件有“更新”的概念，但无法合理推断出用用户修改标记的图像来重新训练特征提取分类器这一特定技术方案。因此，该技术特征也未被隐含公开。
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。《未直接公开也未隐含公开》	对比文件未描述在某个触发器（如标记修改、重新训练）后，对已有图像集合进行“重新分类”的过程。	目标专利在重新训练分类器后，会基于新的分类器对图像进行重新分类（参见[0110], [0136]段）。对比文件处理图像主要是为了实时识别实体并提供增强内容，没有描述对已处理过的存储图像集进行迭代式重新分类的流程。因此，该技术特征未被直接或隐含公开。
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器(SVM)、逻辑回归、最接近的邻居、或多层感知器(MLP)。《直接公开》	对比文件[0075]段：Various classification (explicitly and/or implicitly trained) schemes and/or systems (e.g., support vector machines, neural networks, expert systems, Bayesian belief networks, fuzzy logic, data fusion engines . . . ) can be employed...	对比文件明确列举了“support vector machines”（支持向量机，SVM）和“neural networks”（神经网络）作为可使用的分类方案。多层感知器（MLP）是神经网络的一种典型结构。虽然逻辑回归和最接近的邻居未被明确列出，但SVM和神经网络的公开，结合该段提及的“各种分类方案”，足以使本领域技术人员认识到这些是分类器的常见选项。更重要的是，该技术特征是对分类器类型的选择限定。对比文件公开了SVM和神经网络（包含MLP）作为分类器，这与目标专利权利要求中限定的分类器类型部分重叠。因此，该技术特征被对比文件直接公开。
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。《未直接公开也未隐含公开》	对比文件未涉及基于“标记”将图像分类到“群”中的操作。	目标专利在分群集和标记之后，还有一个步骤是基于标记将图像分类到“群”中，这可能是为放入文件夹做准备（参见[0104]段）。对比文件没有“分群集-标记-分类到群”这样的工作流程。其实体匹配后直接关联附加内容，不存在“群”这一中间组织结构。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。《未直接公开也未隐含公开》	对比文件未提及“文件夹”（folder）的概念或基于任何分组将内容放入文件夹的操作。	将图像整理到文件夹中是目标专利图像管理系统的具体用户界面和组织方式（参见[0104], [0111]段）。对比文件的系统输出是增强现实环境中的叠加信息或音频，不涉及传统文件系统中的文件夹管理。该技术特征未被对比文件公开。
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。《未直接公开也未隐含公开》	对比文件未涉及文件夹命名。	该特征依赖于前序的文件夹特征，既然文件夹特征未被公开，此具体命名方式更无从谈起。
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。《未直接公开也未隐含公开》	对比文件未涉及文件夹命名，更未提及使用分类器来确定文件夹名称。	该技术特征未被对比文件以任何形式公开或暗示。
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。《未直接公开也未隐含公开》	对比文件未涉及文件夹命名、群集中心分类用于确定文件夹名称。	该技术特征未被对比文件以任何形式公开或暗示。
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。《未直接公开也未隐含公开》	对比文件未涉及文件夹命名或多数裁定规则。	该技术特征未被对比文件以任何形式公开或暗示。
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。《未直接公开也未隐含公开》	对比文件未涉及文件夹命名相关的用户输入。	虽然对比文件整体上支持用户交互和定制（例如基于用户资料），但没有具体到接收用户修改文件夹名称输入这一行为。因此，该技术特征未被直接公开。考虑到交互的普遍性，可能被认为隐含了接收用户输入的可能性，但“修改文件夹名称”这一具体目的未被隐含。为严谨起见，判断为未隐含公开。
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。《未直接公开也未隐含公开》	对比文件未涉及重新训练分类器以包含新的文件夹名称。	该技术特征未被对比文件以任何形式公开或暗示。
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。《未直接公开也未隐含公开》	对比文件未涉及对新图像进行特征提取、确定其所属群并放入文件夹的完整流程。	对比文件可以处理新的图像（即实时捕获的图像）以识别实体，但这与目标专利所述的基于特征向量和分类器确定“群”并放入“文件夹”的管理流程不同。因此，该技术特征未被直接公开。其核心步骤（特征提取、分群）本身在对比文件中未被公开，因此也无法合理推断出此完整流程。
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。《未直接公开也未隐含公开》	对比文件未提及接收用户输入以修改图像或实体的“标记”。	同技术特征E，该特征未被直接公开。虽然对比文件系统具有交互性，但修改“标记”这一具体用户操作未被描述或暗示。
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。《未直接公开也未隐含公开》	对比文件未涉及“文件夹”或通过移动图像来修改标记的操作。	该技术特征结合了文件夹管理和标记修改，两者均未被对比文件公开，因此该组合特征也未被公开。
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。《未直接公开也未隐含公开》	对比文件未提及在用户之间共享分类器或群集中心列表。	该技术特征未被对比文件以任何形式公开或暗示。
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。《未直接公开也未隐含公开》	对比文件未提及共享和组合群集中心列表以更新分类器。	该技术特征未被对比文件以任何形式公开或暗示。