說起創(chuàng)造性的判斷,很容易想到創(chuàng)造性判斷“三步法”,《專利審查指南》中也有記載:
(1)確定最接近的現(xiàn)有技術(shù)。
(2)確定發(fā)明的區(qū)別特征和發(fā)明實際解決的技術(shù)問題。
(3)判斷要求保護的發(fā)明對本領(lǐng)域的技術(shù)人員來說是否顯而易見。
而算法應用于各個領(lǐng)域,尤其是人工智能領(lǐng)域。人工智能領(lǐng)域具有發(fā)展迅速、數(shù)據(jù)量龐大、應用領(lǐng)域廣泛、智能化程度高等特點。對于申請人來講,如何對算法在審查中的專利進行創(chuàng)造性答復的尺度進行把握以爭取到好結(jié)果是尤為重要的。
接下來通過案例做進一步了解。
案 例
涉案專利:
CN201910958076.8:一種建立廢鋼等級劃分神經(jīng)網(wǎng)絡(luò)模型方法。
權(quán)利要求1:
無效請求:
針對涉案專利的權(quán)利要求1,無效請求人提交了3個證據(jù)對其提出無效:
證據(jù)1
CN201910201422.8:一種基于CNN的廢鋼鐵種類自動識別方法及裝置。
證據(jù)2
“Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning”,Christian et al,原文打印件及相關(guān)中文譯文。
證據(jù)3
北京郵電大學碩士學位論文《基于深度學習的細粒度圖像識別研究》。
具體而言,請求人認為證據(jù)1公開了如何建立基于卷積神經(jīng)網(wǎng)絡(luò)的廢鋼鐵圖像分類模型,根據(jù)建立基于卷積神經(jīng)網(wǎng)絡(luò)的廢鋼鐵圖像分類模型方法可以實現(xiàn)廢鋼等級劃分神經(jīng)網(wǎng)絡(luò)模型的建立。并且證據(jù)1已經(jīng)涉及了用于廢鋼鐵的回收、分選領(lǐng)域,其中圖像增強包括了去除水印和噪聲的相關(guān)內(nèi)容。
證據(jù)2公開了利用具有多條線路卷積層或卷積層加池化層計算的集合對多種圖像特征進行提取。
證據(jù)3公開的細粒度圖像識別可以用于對同一大類下的不同子類進行識別,適用于識別不同分類等級的廢鋼鐵。而在基于神經(jīng)網(wǎng)絡(luò)模型的圖像識別方法中,利用卷積神經(jīng)網(wǎng)絡(luò)提取圖像中目標的顏色、邊緣、紋理特征等淺層信息,以及語義信息、特征之間的關(guān)聯(lián)特征等深層信息,屬于本領(lǐng)域的公知常識。
無效理由:
權(quán)利要求1相對于證據(jù)1、證據(jù)2和公知常識的結(jié)合,或者證據(jù)1、證據(jù)2和證據(jù)3的結(jié)合不具備創(chuàng)造性。
合議組看法:
1
涉案專利權(quán)1是用于廢鋼收儲的等級分類檢測,記載了不同等級圖像特征數(shù)據(jù)的對應限定。而證據(jù)1全文公開的是如何對廢鋼鐵的種類進行自動識別,僅涉及如何進行種類識別以及識別結(jié)果是何種料型,其并未提及有關(guān)規(guī)格、等級以及對分類操作后如何進一步分級等相關(guān)內(nèi)容。
因此,從證據(jù)1所給出的應用場景、方法步驟和重要參數(shù)中無法得到建立廢鋼料等級劃分的神經(jīng)網(wǎng)絡(luò)模型,以及對混雜在一起的各種類型的廢鋼料進行等級劃分的技術(shù)啟示。
2
證據(jù)2雖然公開了在卷積神經(jīng)網(wǎng)絡(luò)模型中對圖像數(shù)據(jù)特征進行提取時可以采用的具體模塊構(gòu)成。但是,沒有公開具體提取的是圖像數(shù)據(jù)的哪些特征,也沒有公開提取相關(guān)數(shù)據(jù)特征用于何種具體的應用場景、解決該場景中具體存在的哪些技術(shù)問題。同樣也沒給出相應的技術(shù)結(jié)合啟示。
3
證據(jù)3公開了一種基于深度學習的細粒度圖像識別研究,其表明可以用CNN提取圖像邊緣紋理這樣的原始信息和高級語義信息。但是,證據(jù)3同樣沒有公開提取相關(guān)數(shù)據(jù)特征用于何種具體的應用場景、解決該場景中具體存在的哪些技術(shù)問題。因此,也沒給出相應的技術(shù)結(jié)合啟示。
4
目前亦無證據(jù)表明建立對廢鋼料等級劃分的神經(jīng)網(wǎng)絡(luò)模型,以達到對廢鋼收儲的等級分類檢測,以及針對該問題如何具體選取數(shù)據(jù)參數(shù)和相關(guān)模塊屬于本領(lǐng)域的公知常識。
5
綜上,現(xiàn)有技術(shù)整體上不存在相關(guān)的技術(shù)啟示,請求人的無效理由不成立。
【總結(jié)】
在判斷包含算法特征的發(fā)明專利的創(chuàng)造性時,應將算法和應用場景進行整體把握。
即使現(xiàn)有技術(shù)公開了相同或類似的算法架構(gòu)及相關(guān)模塊,但由于算法應用到不同場景時,需要根據(jù)應用場景的不同、所要解決的技術(shù)問題的不同對算法的訓練模式、重要參數(shù)或相關(guān)步驟等進行調(diào)整,如果該調(diào)整解決了不同應用場景下特定的技術(shù)問題并相應獲得了有益的技術(shù)效果,則在創(chuàng)造性判斷時應予以考慮。
微信掃一掃
關(guān)注該公眾號