照明、姿勢、角度などの課題下でのSuperPointネットワークに基づく特徴マッチング手法において、特徴点抽出の精度が低く、計算パラメータ量が多い問題に対し、漸進的戦略を融合した軽量特徴点抽出およびマッチング手法を提案した。まず、深層可分離畳み込みを利用してSuperPointネットワークの構造を調整し、モデルのパラメータ計算量を削減した。次に、特徴抽出部分に注意モジュールを構築してネットワークの空間的特徴抽出能力を強化し、漸進的マルチスケール特徴融合モジュールを設計して対象の詳細を捉え、特徴の表現能力を向上させた。最後に、SuperGlueアルゴリズムを用いて得られた特徴点をマッチングした。Hpatchesデータセットでの実験解析により、提案アルゴリズムは照明変換シーンでのマッチング平均精度（mAP）と特徴点の再現率（Rep）がそれぞれ86％と70％、視点変換シーンでのmAPとRepがそれぞれ78％と68％であったことが示された。提案アルゴリズムは特徴マッチングにおいて一定の優位性を示すだけでなく、動画のステッチングへの応用でも良好な効果を得た。

特徴点抽出;特徴点マッチング;軽量;注意機構;漸進的マルチスケール特徴融合