检测和识别图像中的局部特征是计算机视觉软件的重要组成部分，特别是在图像匹配应用中。最近，深度学习架构因其优于传统方法而越来越受欢迎。然而，这些新方法只解决了图像处理链中的一个步骤，包括特征检测、方向计算和表示提取。这项技术被称为“学习不变特征变换”（LIFT），通过以优化的方式同时执行所有这些步骤，为这一限制提供了一种解决方案。LIFT包括一种训练图像处理器特征检测器的方法。首先，通过检测图像中的特征来生成得分图。然后计算得分图的质心位置，并用于估计图像局部补丁的方向。一旦确定了补丁的方向，就可以旋转补丁以给出特征描述。Siamese网络用于按顺序有效地训练描述符、方向估计器和特征检测器，每个都依赖于前面的一个或多个组件。