加载中...
推荐位 推荐位

2022年度专利复审无效十大案件学习之“一种建立废钢等级划分神经网络模型方法”无效案

发布时间:2023.05.06 湖北省查看:1508 评论:1

01.png

近日,国家知识产权局专利局复审和无效审理部发布了2022年度专利复审无效十大案件,其中,包括发明专利无效案8件、实用新型专利无效案1件、外观设计专利无效案1件

 

02.png

相较于2021年十大案件知识点分布较广而言,2022年十大案件全部聚焦于专利无效。除了常见的A22.2、A22.3、A26.3和A26.4相关无效条款,今年的案件还包括涉及A20.1(2008专利法),也就是保密审查问题的案件4,涉及R43.1,也就是分案修改超母案范围的案件8,以及涉及A23.3,也就是侵犯他人在先合法权利(商标权)的案件7。可以看到,出现了部分不太常见但具有典型意义的无效理由,这相当于是对专利法实施细则第六十五条的充分呈现,或者说可以称之为无效理由大赏。

 

这无疑对专利代理师对于法律法规运用的专业能力提出了更高要求,但无论如何,撰写和答复能力作为专利代理师的基础能力,还是能从上述十大案件中有所收获的。笔者将对其中部分案件的审查决定进行解读,基于各案的决定要点,提炼其中所体现的合议组的审查观点,并将其与专利代理师的日常代理实践相结合,希望对大家有所帮助。

 

本文为第一篇,所针对的案件为名称为“一种建立废钢等级划分神经网络模型方法”的发明专利无效案。该案的审理结论是维持专利权有效。复审和无效审理部认为该案是人工智能领域发明专利的创造性判断的典型案例,诠释了该领域如何考量算法、应用场景等要素对整体技术方案的贡献,进一步细化了创造性评判标准。

 

案件编号

4W112793

决定日

20220330

发明创造名称

一种建立废钢等级划分神经网络模型方法

国际分类号

G06T 7/13,G06T 7/90,G06T 7/40,G06T 5/30,G06N 3/04

无效宣告请求人

衡阳镭目科技有限责任公司

专利权人

北京同创信通科技有限公司

专利号

201910958076.8

申请日

20191010

授权公告日

20210416

无效宣告请求日

20210802

法律依据

专利法第22条第3

决定要点:

在判断包含算法特征的发明专利的创造性时,应将其算法和应用场景进行整体把握。即使现有技术公开了使用相同或类似的算法架构及相关模块,但由于算法应用到不同场景时,需要根据应用场景的不同、所要解决技术问题的不同对算法的训练模式、重要参数或相关步骤等进行调整,如果该调整解决了不同应用场景下特定的技术问题并相应获得了有益的技术效果,则在创造性判断时应予以考虑


该案授权公告的权利要求1如下:

 

1.一种建立废钢等级划分神经网络模型方法,所述模型用于废钢收储的等级分类检测,包括获取多个图像,目测确定多个图像的不同废钢等级,对所述图像进行预处理去除无效水印、提高图像对比度,对图像数据进行图像数据特征提取,对提取的不同等级图像数据特征进行卷积神经网络学习形成具有等级分类输出的等级划分神经网络模型;其特征在于,所述图像数据特征的提取是对图像画面像素点矩阵数据进行卷积神经网络卷积计算的集合实现的提取,包括:由集合输出的多条线路卷积层或卷积层加池化层计算构成的对图像中物体颜色、边缘特征和纹理特征的提取,以及对图像中物体边缘、纹理之间关联特征的提取;

其中,一,所述图像中物体颜色、边缘特征的提取是由三条线路卷积层加池化层计算输出的集合输出构成,包括从左至右的第一条线路一层池化层、第二条线路二层卷积层和第三条线路四层卷积层;二,所述对图像中纹理特征的提取是对上述图像中物体颜色、边缘特征的提取集合输出进行的提取,是由三条线路卷积层计算输出的集合输出构成,包括从左至右的第一条线路0卷积层、第二条线路二层卷积层和第三条线路三层卷积层;纹理特征形成的是卷积网络的激活函数(Relu activation);

至少三条线路卷积层或卷积层加池化层计算输出的集合输出构成了对图像中物体颜色、边缘特征和纹理特征的提取,每一条线路的卷积层数各不相同;

所述对边缘、纹理之间关联特征提取的卷积层计算的线路数大于对图像中物体颜色、边缘和纹理特征提取的卷积层计算的线路数。 

 

暂且不说其保护范围如何,整体上还是比较清楚的,特别是通过“其特征在于”对前序部分和特征部分进行了区分。前序部分体现了模型是用于通过废钢图像对收储废钢的等级进行分类,特征部分体现了所采用神经网络的具体结构,或者说具体的模型参数相关特征,属于比较典型的应用神经网络在特定领域进行分类的技术方案。可能发明人和代理师也清楚,如果仅体现前序部分,显得过于通用了,所以将其置于“其特征在于”之前,而将可能对创造性更有帮助的内容置于“其特征在于”之后。当然,我们知道,评价一个权利要求时,所有记载的特征都要予以考虑。

 

通常情况下,无效是和侵权诉讼相伴的。但客观讲,想拿上述专利进行维权是比较困难的,这主要由方法专利,特别是神经网络类方法专利取证困难所造成的。不论无效请求人出于何种目的提起无效,其证据和理由还是相对充分的。其中,证据1为专利,证据2和证据3均为论文。

 

请求人认为:

 

证据1公开了如何建立基于卷积神经网络的废钢铁图像分类模型,且根据建立基于卷积神经网络的废钢铁图像分类模型方法可以实现废钢等级划分神经网络模型的建立,且证据1已经涉及了用于废钢铁的回收、分选领域,其中图像增强包括了去除水印和噪声的相关内容;证据2公开了利用具有多条线路卷积层或卷积层加池化层计算的集合对多种图像特征进行提取,因此,本领域技术人员有动机将证据1的卷积神经网络优化为包含多条分支的Reduction模块或残差Inception模块的深度卷积神经网络;同时,在基于神经网络模型的图像识别方法中,利用卷积神经网络提取图像中目标的如颜色、边缘、纹理特征等浅层信息,以及语义信息、特征之间的关联特征等深层信息,属于本领域的公知常识;证据3公开的细粒度图像识别可以用于对同大类下的不同子类进行识别,适用于识别不同分类等级的废钢铁

 

笔者注:请求人认为证据1公开了采用卷积神经网络对废钢种类进行识别,或者说进行分类,本领域技术人员据此可以想到采用卷积神经网络对废钢等级进行分类,相当于证据1把上述权利要求的前序部分给公开了。而对于特征部分的神经网络结构及相关的图像识别方式,则分别被证据2和证据3公开,并将其中图像信息等特征认定为公知常识。对于还算有些复杂的该权利要求,将其划分为四个部分,分别采用三篇对比文件及公知常识进行论述,总体看,请求人的无效策略还算得当。

 

经审理,合议组首先认定权利要求1与证据1存在以下三方面区别:

 

第一,两者应用场景不同。权利要求1是一种建立废钢等级划分神经网络模型的方法,所述模型用于废钢收储的等级分类检测,其应用场景为废钢等级划分;而证据 1 公开的是建立废钢种类识别神经网络模型的方法,其应用场最为废钢种类识别

 

笔者注:对于神经网络模型类技术方案,应用场景通常可通过模型的输入和输出数据,特别是输出数据予以体现。本案中,权利要求1和证据1的输入均为废钢图像,但权利要求1的输出为废钢等级类别,而证据1的输出则为废钢类别。由于二者均有清楚的限定,所以这个差异还是不容忽视的,也直接导致二者的应用场景不同。虽然不像一个特定算法应用于人脸识别和应用于水果品质识别这般区别之大,但在本案中也足以得出上述应用场景不同的结论。

 

第二, 两者所采用的方法步骤不同。权利要求1在获取图像步骤中限定了目测确定多个图像的不同废钢等级……在图像数据特征提取步骤中限定了提取的是不同等级图像数据特征,在神经网络模型的学习训练步骤中限定了针对提取的不同等级图像数据特征进行学习、形成具有等级分类输出的等级划分神经网络模型。而证据1的步骤S1公开了……步骤S2 和S3 公开了……步骤S4、S5和S6 公开了……但其训练好的卷积神经网络模型是用于识别出废钢铁图像中的废钢铁具体是何种料型与废钢等级无关,因此其未公开权利要求1的上述方法步骤

 

笔者注:神经网络模型构建方法通常都具有获取、预处理、特征提取和训练等步骤,但每个步骤都有落脚点,也就是基本都会和模型输出相关。如上所述,二者输出并不相同,即使二者均具有上述几个步骤,但权利要求1中各步骤基本都是落脚于废钢等级,而证据1中各步骤则基本都是落脚于废钢种类,或者说废钢料型。因此,由于应用场景的不同,或者更具体而言,因为模型输出的不同,导致模型构建过程中大部分步骤也会有所差异。

 

但是,客观讲,这些其实还不足以构成能够体现创造性的区别,特别是在本案中二者应用场景虽有差异但不是那么显著的情况下。上述两点区别主要体现在前序部分,如上所述,可能发明人和代理师也意识到了这一点,才将其作为前序部分。其具体作用如何,后文还会讲到。

 

第三,两者所选取的重要参数和所采用的具体模块构成不同。权利要求1中限定了图像数据特征提取的更具体的内容,如特征提取所选取的参数 “所述图像数据特征的提取是对……纹理之间关联特征的提取”,以及特征提取所采用的具体模块构成“其中,一,所述图像中物体颜色……纹理特征提取的卷积层计算的线路数”;而证据1未公开上述内容。

 

笔者注:第三区别基本为权利要求1的特征部分,如上所述,请求人也是使用证据2和证据3来论述的,故这一区别应为核心区别所在。

 

回到第一区别和第二区别,请求人认为:

 

证据1(参见证据1说明书0061段)在废钢铁样本库中的样本图像的相关内容记载了“ 其中不同类别的废钢铁又按照厚度、长度、体积等分为不同的规格”, 因此,证据1中识别结果中匹配度最高的类别也有其对应的分类等级,在此基础上,为了扩展废钢铁识别的应用,将识别类别中的等级作为最终输出结果是本领域技术人员容易想到的

 

笔者注:如果不存在上述第三区别,仅存在细微的应用场景以及因此带来的部分细微特征的变化,即第一区别和第二区别,请求人的上述证据和理由是有可能无效成功的。但话说回来,如果与现有技术仅在应用场景和相关特征上有细微差别,即使实质审查阶段没有检索到最合适的现有技术而获得授权,其权利也是不稳定的。

 

本案中,正是因为存在第三区别,而其体现的模型参数特征与第一、第二区别所体现的应用场景有一定关联性,且证据2、证据3很难给出相应技术启示,使合议组最终并未支持请求人的诉求。

 

合议组进一步认为:

 

证据1全文论述的是如何对废钢铁的种类进行自动识别,所公开的方法步骤、具体示例均仅涉及如何进行种类识别以及识别结果是何种料型,除0061段的该句记载之外,证据1中并未提及有关规格、等级等相关内容,该句记载也仅能表明在种类分类完毕后可能分为不同规格,这些不同规格都是属于同一种类的废钢铁料型,同一种类的不同规格与本专利的混杂在一起的不同形状、可能分属不同类型的废钢料整体进行等级划分是不同的;且证据1中对于如何分级并无进一步的记载或公开。因此,从证据1 所给出的应用场景、方法步骤和重要参数中无法得到建立废钢料,等级划分的神经网络模型,以对混杂在一起的各种类型的废钢料进行等级划分的技术启示。证据2公开了上述第三点区别的在卷积神经网络模型中对图像数据特征进行提取时可以采用的具体模块构成,并公开了采用了证据2的整体模型架构可以加速网络的训练、并使训练更加稳定的相关内容。但是,证据2没有公开具体提取的是图像数据的哪些特征,也没有公开提取相关数据特征用于何种具体的应用场景、解决该场景中具体存在的哪些技术问题。因此,证据2没有给出建立废钢料等级划分的神经网络模型的相关技术启示,更没有给出为解决该技术问题具体要提取哪些相关参数的技术启示。证据3公开了可以用CNN提取图像边缘纹理这样的原始信息和高级语义信息。但是,证据3同样没有公开提取相关数据特征用于何种具体的应用场景、解决该场景中具体存在的哪些技术问题。因此,证据3没有给出建立废钢料等级划分的神经网络模型的相关技术启示,更没有给出为解决该技术问题具体要提取哪些相关参数的技术启示。

 

笔者注:证据2、证据3作为论文,其公开的主要内容分别可以概括为一种特定的神经网络结构以及特定神经网络可以用于提取图像信息,但是,其中的神经网络属于通用神经网络,本质上是一种算法,或者说数学方法,并非针对废钢图像识别的专用神经网络,所以其公开的基本都是通用化的特征。换言之,如果将权利要求1的神经网络通用化,证据2、证据3所公开的神经网络结构及作用也许与之类似,但其公开的神经网络的参数并未与废钢收储等级分类这一具体应用场景相结合,其参数基本只有数学意义,而权利要求1中神经网络相关参数特征则具有与废钢收储等级分类应用场景相对应的物理意义,或者说技术意义。故正是由于模型参数与应用场景的结合,或者说,第三区别与第一、第二区别的结合,使相关对比文件无法给出相应技术启示。

 

上述论述与如何使商业方法等智力活动规则和方法类方案成为技术方案其实是相辅相成的(参见《最高院知产庭2022年典型案例和裁判规则解读之商业方法的可专利性》)。正是因为权利要求1中将神经网络相关参数与废钢收储等级分类应用场景,或者说技术领域进行了关联,不仅使本质上为属于智力活动规则和方法的数学方法的神经网络与技术特征结合形成了技术方案,且可以在一定程度上避免数学方法的神经网络构成相关具体参数特征的技术启示,进而使该技术方案具有创造性。

 

梳理一下,在撰写神经网络类技术方案时,首先要保证神经网络是用于具体技术领域的,或者说有具体应用场景,这一点可通过模型输入、输出数据等体现。

 

如果确定是将特定神经网络应用到了一个全新的应用场景,在独权仅体现反映该应用场景的输入、输出数据及相关特征,即使形式上比较上位,但只要保证其是完整技术方案即可,这样的独权都有一定可能直接授权。

 

如果不确定相同或类似应用场景下是否存在应用该神经网络的现有技术,独权也没有必要写得过于具体,体现核心发明思想即可,但此时对从权有更高的要求,也就是需要在从权中体现神经网络的特定结构、参数含义、处理方式等内容,且务必与应用场景下技术特征相关联,或者直接赋予其对应的技术含义。这相当于将神经网络自身特征与应用场景深度绑定,对日后争取授权是大有裨益的。

 

综上所述,通过将神经网络模型的输入、输出数据限定为具体技术特征,不仅可使其符合专利客体要求,还可体现应用场景,并可能具有一定创造性。进一步通过将体现神经网络结构或处理过程的参数与特定应用场景下的技术特征相关联,可以进一步体现方案整体的创造性。

 

笔者在《浅谈“建模类”技术方案的专利撰写技巧》一文中介绍了神经网络类方案专利申请的优选撰写方式,但主要给出的是形式上的建议,如果想让专利申请准确而合理地体现创造性,也就是实质性内容,为后续授权、乃至维权做好铺垫,可以从本案中获得相应启示。

最高院典型案例解析文章合集:https://mp.weixin.qq.com/mp/appmsgalbum?__biz=Mzg2MTIzNDQ1NQ==&action=getalbum&album_id=1774220536613552132&scene=21#wechat_redirect

复审委十大案例解析文章合集:https://mp.weixin.qq.com/mp/appmsgalbum?__biz=Mzg2MTIzNDQ1NQ==&action=getalbum&album_id=1341112585374187521&scene=21#wechat_redirect

电学领域典型专利申请文件撰写培训课程:https://www.mysipo.com/goods-detail/?goodsId=2369

专利创造性审查意见答复培训课程:https://www.mysipo.com/goods-detail/?goodsId=8090


分享(1)

收藏(9)

点赞

举报

评论列表

  • 第1楼
    很好奇审查员是怎么审查这些根本就可能不懂的领域的专利申请的   只看关键字? 里面的含义作用效果都不了解的情况下是如何审查的

    2023/05/09 12:01 [来自上海市]

    0 举报

快速回复