**对比文件名称：** US2014078320A1_Description_20260221_0615 (图像锐度分类系统)
**目标专利名称：** 189照片管理CN106104577B
**本次调用模型名称：** 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》 | [0042]段：“...uses a learning-based image sharpness classification algorithm... utilizes a sharpness classifier that is trained based on a set of novel sharpness features...” <br> [0067]段：“...the sharpness classifier is trained based on the sets of training sharpness features...” <br> [0076]段：“...the set of test sharpness features... is analyzed or reviewed with the trained sharpness classifier...” | 对比文件明确公开了使用一个基于学习的锐度分类算法，该算法利用一个基于一组新颖锐度特征训练得到的“锐度分类器”。对于任何新的捕获图像（即“所存储图像”），会计算类似的锐度特征并作为输入传递给训练好的锐度分类器，以预测图像是清晰还是模糊。这直接公开了“用预先训练的分类器来确定多个所存储图像的特征”这一技术特征。在对比文件中，该分类器用于评估图像锐度；在目标专利中，用于确定图像特征以进行管理。两者均服务于图像分类/处理这一目的，作用实质相同。 |
| **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，《直接公开》 | [0063]段：“...the set of training images... composed of sharp training images and blurry training images...” <br> [0074]段：“...providing one or more new images (sometimes referred to as a ‘test image’)...” | 对比文件明确区分了“训练图像”集（用于训练分类器）和“测试图像”集（即新的、待分类的图像）。训练阶段基于训练图像计算“训练锐度特征”，预测阶段基于新的测试图像计算“测试锐度特征”。因此，所存储的（测试）图像的特征（测试锐度特征）必然不同于用于训练分类器的训练图像的特征（训练锐度特征）。这直接公开了技术特征B。两者的作用都是确保分类器能够泛化应用于新的、未见过的图像数据。 |
| **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》 | [0077]段：“...for each test image, reviewing the set of test sharpness features with the trained sharpness classifier to predict whether the test image is either sharp, or blurred (sometimes referred to as ‘assigning a blur classification’).” | 对比文件公开了对于每个测试图像，利用训练好的锐度分类器对其特征（测试锐度特征）进行审查，从而预测其属于“清晰”或“模糊”类别。这实质上就是基于所确定的图像特征，将每个图像指派到两个预定义类别（清晰类、模糊类）中的一个。这两个类别可以理解为“多个群集”的特例（即二群集）。因此，本领域技术人员能够毫无疑义地得出对比文件公开了“基于特征将图像指派给群集”的技术方案。在对比文件中，指派的作用是进行锐度分类；在目标专利中，是进行图像管理分群，但“基于特征进行分类/指派”的核心思想相同。 |
| **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，《隐含公开》 | [0211]段：“...a test image is classified as blurry if it contains extremely low level of texture percentage.” | 对比文件公开了一种基于阈值条件为图像指派标记（分类）的方案：如果测试图像的纹理百分比极低（即低于某个阈值），则直接将其分类为“模糊”。这公开了基于“百分比小于阈值”这一条件来指派标记的思想。虽然对比文件未提及“群集中心”、“距离”或“预定义图像数目”这些具体条件，且其阈值应用于整个图像分类决策而非群集内的标记指派，但本领域技术人员阅读对比文件后，有可能通过合理推理，将“基于阈值条件进行标记指派”这一基本概念应用于更复杂的群集标记场景中，例如考虑到图像与群集中心的接近程度、群集容量等因素来设定阈值。因此，该技术特征被对比文件隐含公开。 |
| **技术特征E**：修改所指派的标记，《未公开》 | 未发现相关内容。 | 对比文件未提及用户或系统可以修改已经由分类器指派的标记（清晰或模糊）。其分类过程是自动的、一次性的。 |
| **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》 | 未发现相关内容。 | 由于对比文件未公开技术特征E（修改标记），因此自然也未曾公开基于修改后的标记来重新训练分类器的技术特征。 |
| **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》 | 未发现相关内容。 | 对比文件未公开对已分类图像进行“重新分类”的过程。其流程是线性的：计算特征 -> 分类 -> 结束。 |
| **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)。《隐含公开》 | [0067]段：“...another type of classical learning algorithm, such as support vector machines (SVM) can be utilized.” | 对比文件在描述生成分类器时提到，除了线性判别分析（LDA）外，“另一种经典学习算法，例如支持向量机（SVM）也可以被使用”。这表明SVM是对比文件所考虑并公开的可用于实现所述分类器的具体类型之一。虽然对比文件未明确其实施例中使用的分类器一定是SVM，但本领域技术人员根据该明确教导，能够合理推断出SVM可以作为实现所述“第一预先训练的分类器”的一种可行且具体的方案。因此，该限定特征被隐含公开。 |
| **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》 | [0077]段：“...predict whether the test image is either sharp, or blurred (assigning a blur classification).” | 如特征C所述，对比文件公开了基于分类器为图像指派“清晰”或“模糊”的标记，这本身就是一个基于标记将图像分类到两个群（清晰群、模糊群）的过程。因此，该特征被直接公开。 |
| **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。《未公开》 | 未发现相关内容。 | 对比文件涉及图像锐度分类，但未提及任何关于将图像存储或组织到“文件夹”中的内容。其输出是分类标签，而非物理或逻辑的文件管理操作。 |
| **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》 | 未发现相关内容。 | 由于特征J未公开，因此命名文件夹的相关特征自然也未被公开。 |
| **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。《未公开》 | 未发现相关内容。 | 对比文件未提及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》 | 未发现相关内容。 | 对比文件未公开涉及“群集中心”的文件夹命名机制。 |
| **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》 | 未发现相关内容。 | 对比文件未公开基于多数裁定规则确定名称的机制。 |
| **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》 | 未发现相关内容。 | 对比文件未涉及任何用户交互以修改或指派文件夹名称。 |
| **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》 | 未发现相关内容。 | 对比文件未公开涉及文件夹名称更新的分类器重新训练过程。 |
| **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》 | [0072]-[0077]段描述了提供新图像（测试图像）、计算其特征向量（测试锐度特征）、应用训练好的分类器预测其属于“清晰”或“模糊”类别的完整过程。 | 对比文件完整公开了“确定新图像的特征向量”和“应用分类器以确定新图像的群（清晰或模糊）”这两个核心步骤。虽然对比文件未明确提及将图像“放置在文件夹中”这一具体的文件管理操作，但“基于分类结果对图像进行组织”是图像管理系统的常见后续步骤。本领域技术人员在获知对比文件公开的分类方法后，有可能合理推断出可以将分类后的图像放入对应的文件夹中进行管理。因此，该技术特征中关于分类的核心部分被直接公开，而关于“放置到文件夹”的具体实现方式被隐含公开。 |
| **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。《未公开》 | 未发现相关内容。 | 同技术特征E，对比文件未涉及用户修改自动指派标记的交互。 |
| **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》 | 未发现相关内容。 | 对比文件未涉及文件夹操作，更未涉及通过移动文件夹来修改标记的机制。 |
| **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》 | 未发现相关内容。 | 对比文件未提及在不同用户之间共享分类器或群集中心。 |
| **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》 | 未发现相关内容。 | 由于特征T未公开，因此基于共享的组合与更新机制自然也未被公开。 |
| **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。《未公开》 | 未发现相关内容。 | 对比文件未涉及用户自定义种类以及在用户间共享该定义的功能。 |
<<<A>>><<<B>>><<<C>>><<<I>>><<<d>>><<<h>>><<<q>>>