Pour résoudre le problème de la faible précision d'extraction des points clés et du grand nombre de paramètres de calcul dans la méthode de correspondance basée sur le réseau SuperPoint sous les défis de l'éclairage, de la pose et de l'angle, une méthode légère d'extraction et de correspondance des points clés intégrant une stratégie progressive a été proposée. Tout d'abord, une modification structurelle du réseau SuperPoint a été réalisée à l'aide de convolutions séparables en profondeur afin de réduire le nombre de paramètres du modèle ; ensuite, un module d'attention a été construit dans la partie extraction des caractéristiques pour renforcer la capacité spatiale d'extraction des caractéristiques du réseau, et un module progressif de fusion multi-échelle a été conçu pour capturer les détails de l'objet et renforcer la capacité expressive des caractéristiques ; enfin, l'algorithme SuperGlue a été utilisé pour faire correspondre les points clés obtenus. Les analyses expérimentales sur le jeu de données Hpatches montrent que l'algorithme proposé atteint un taux de correspondance moyen (mAP) et une répétabilité des points clés (Rep) de 86 % et 70 % dans les scénarios de changement d'éclairage, et de 78 % et 68 % dans les scénarios de changement d'angle de vue. L'algorithme proposé présente non seulement certains avantages dans la correspondance des caractéristiques, mais obtient également de bons résultats lorsqu'il est appliqué à l'assemblage vidéo.

extraction des points clés;correspondance des points clés;légèreté;mécanisme d'attention;fusion progressive des caractéristiques multi-échelle