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，《未被公开》	无对应内容。	目标专利中技术特征A的作用是使用一个预先训练好的分类器（如DCN特征提取器）来从图像中提取“特征向量”（见说明书[0098]段）。对比文件公开的方法中，确实涉及对图像进行“特征描述”（如845维特征向量），但该特征是通过计算人脸图像的几何特征（如欧氏距离、斜率、面积）直接获得的（见具体实施方式“2、特征组合”部分），这个过程并未使用任何“预先训练的分类器”。对比文件中的“分类器”（如Adaboost集成的强分类器）是在特征提取之后，用于基于特征进行分类的，而非用于提取特征本身。因此，本领域技术人员不能从对比文件中得出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，《未被公开》	无对应内容。	该技术特征限定了提取特征的图像（所存储图像）与训练分类器所用的图像（训练图像）是不同的。由于对比文件并未公开技术特征A（使用预先训练的分类器提取特征），因此也就不存在用于训练该分类器的“训练图像”集。对比文件中用于训练Adaboost分类器的图像来自于离线数据库（如Hotornot网站的1230张图片），而在线监测时输入的“未知人脸图像”的特征提取方式与训练图像相同，都是通过相同的几何计算获得，并未体现“特征不同”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，《直接公开》	“在线处理具体内容包括将输入图像的几何特征描述通过Adaboost算法进行集成学习，集成各弱分类器为强分类器进行分类，获得与查询向量所描述的人脸图像相应类别的类标号。”（发明内容部分）<br>“类别标签yi ＝1，0分别表示‘有吸引力的’和‘没有吸引力的’”。（具体实施方式“3、Adaboost集成学习”部分）	该技术特征在目标专利中的作用是基于图像特征进行无监督分群集（如k-means），将图像分组（见说明书[0100]段）。对比文件中，通过计算输入人脸图像的几何特征描述（如845维特征向量），并利用Adaboost集成学习算法构建的强分类器，将每张人脸图像分类为“有吸引力的”或“没有吸引力的”两个类别（见引用内容）。虽然目标专利使用“分群集”，对比文件使用“分类”，但二者的实质作用都是“基于图像的特征，将图像指派到一个分组（群集/类别）中”。本领域技术人员能够毫无疑义地从对比文件得出“基于所确定的特征将图像指派给一个群集（即两个类别之一）”的技术方案。因此，该技术特征被直接公开。
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，《未被公开》	无对应内容。	该技术特征限定了为图像指派标记（如“建筑物”、“花”）的具体条件，涉及距离阈值、数目阈值或百分比阈值（见说明书[0102]段）。对比文件在给图像指派“有吸引力的”或“没有吸引力的”类标号时，是基于Adaboost分类器的直接分类结果，并未公开任何基于与“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。对比文件未提及“群集中心”的概念，也未描述任何阈值判断逻辑。因此，该技术特征未被公开。
技术特征E：修改所指派的标记，《未被公开》	无对应内容。	该技术特征涉及用户或系统对已指派标记的修改（见说明书[0111]段）。对比文件全程自动化地完成人脸美感分类，并将结果固定为“有吸引力的”或“没有吸引力的”，未记载任何允许修改这些已指派类标号（标记）的步骤或功能。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，《未被公开》	无对应内容。	该技术特征以技术特征E（修改标记）为前提，涉及基于修改后的标记数据对分类器进行重新训练（见说明书[0110]段）。由于对比文件未公开技术特征E（修改标记），自然也不存在基于修改来重新训练分类器的步骤。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，《未被公开》	无对应内容。	该技术特征以技术特征F（重新训练分类器）为前提，涉及使用重新训练后的分类器对图像进行重新分类。由于对比文件未公开技术特征F，因此也不存在对图像进行“重新分类”的步骤。对比文件的分类过程是单向、一次性的。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)。《未被公开》	无对应内容。	该技术特征是对第一预先训练的分类器具体类型的限定。对比文件中用于特征提取后进行分类的强分类器是Adaboost集成算法，其弱分类器是基于“基于记忆的动态加权核密度估计(MDWKDE)”构建的（见发明内容及具体实施方式“4、构建MDWKDE弱分类器”）。这与SVM、逻辑回归、最接近的邻居或MLP均不相同。因此，该技术特征未被公开。
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。《直接公开》	“获得与查询向量所描述的人脸图像相应类别的类标号”。（发明内容部分）	该技术特征的作用是基于已获得的标记（类标号）将图像归类到相应的群组中。在对比文件中，一旦通过Adaboost分类器获得输入图像的“类标号”（即“有吸引力的”或“没有吸引力的”），该图像即被归类到对应的类别中。这个过程就是“基于对应的标记将图像分类到群（即两个美感类别）中”。本领域技术人员能够毫无疑义地从对比文件得出该技术方案。因此，该技术特征被直接公开。
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。《未被公开》	无对应内容。	该技术特征涉及将分类/分群集后的图像物理或逻辑地组织到“文件夹”这一具体的存储结构中（见说明书[0104]段）。对比文件仅公开了对人脸图像进行美感分类并输出类标号，未提及任何将图像存储、放置或组织到“文件夹”中的步骤或概念。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。《未被公开》	无对应内容。	该技术特征以技术特征J（将图像放置到文件夹）为前提，涉及文件夹的命名方式。由于对比文件未公开技术特征J，因此也不存在对文件夹进行命名的内容。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。《未被公开》	无对应内容。	该技术特征涉及使用另一个分类器来为文件夹确定特定名称。对比文件仅有一个用于美感分类的Adaboost分类器，未提及任何用于确定文件夹名称的“第二预先训练的分类器”。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。《未被公开》	无对应内容。	该技术特征详细说明了第二分类器确定文件夹名称的依据。由于对比文件未公开技术特征L（使用第二分类器确定文件夹名称），且也未公开“群集中心”的概念，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。《未被公开》	无对应内容。	该技术特征涉及确定文件夹名称的“多数裁定规则”。由于对比文件未涉及文件夹命名，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。《未被公开》	无对应内容。	该技术特征涉及用户与文件夹名称的交互。对比文件未涉及文件夹，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。《未被公开》	无对应内容。	该技术特征涉及基于用户修改重新训练第二分类器。由于对比文件未公开第二分类器、文件夹名称修改及群集中心，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。《未被公开》	“在线预处理包括对输入的每一张人脸图像样本...存储...作为查询向量”；“在线处理具体内容包括将输入图像的几何特征描述通过Adaboost算法进行集成学习...进行分类，获得...类标号”。（发明内容部分）	该技术特征包含两个主要动作：1）对新图像确定特征向量并应用分类器确定其所属群；2）将新图像放置在文件夹中。对比文件的“在线监测”部分公开了对于新输入的人脸图像，提取其几何特征（相当于确定特征向量），并应用已训练好的Adaboost分类器确定其类别（相当于确定群）。因此，对比文件公开了该技术特征的第一部分。然而，对比文件完全没有公开将该新图像“放置在文件夹中”这一后续的组织存储动作。因此，对比文件仅部分公开了该技术特征的内容，但未能公开其完整的技术方案，特别是关于图像管理的核心环节——文件夹组织。故该技术特征整体上未被对比文件公开。
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。《未被公开》	无对应内容。	该技术特征与技术特征E类似，涉及用户修改已指派的标记。对比文件未公开任何用户交互以修改自动分类得到的“有吸引力的”或“没有吸引力的”标记。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。《未被公开》	无对应内容。	该技术特征以文件夹的存在和操作为前提，通过移动文件夹中的图像来触发标记修改。对比文件未涉及文件夹，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。《未被公开》	无对应内容。	该技术特征涉及在不同用户间共享分类器或群集中心。对比文件描述的是一个独立的人脸美感分析系统，未提及任何用户间共享功能。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。《未被公开》	无对应内容。	该技术特征详细描述了共享后的组合与更新操作。由于对比文件未公开技术特征T（共享），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。《未被公开》	无对应内容。	该技术特征涉及共享用户定义的种类（如“自然界”、“日落”）。对比文件中的类别（“有吸引力的”、“没有吸引力的”）是预定义的、固定的，并非用户定义，也未提及共享。因此，该技术特征未被公开。