我目前正在比较不同角度的物体以进行图像检测。基本上，我想知道图像 1 中的对象是否与图像 2 中的对象相似（相似度的百分比会很大）。
图片1：
图片2：
我已经在 Internet 上四处查看，似乎 ASIFT ( LINK ) 是一个很好的解决方案。然而，当我实现他们的演示并使用相同的输入多次重新运行演示时，ASIFT 在匹配的顶点上给出了不同的结果。
为什么每次我使用相同的输入重新运行演示时，ASIFT 都会给出不同的结果？
PS：对于用于以不同角度比较对象（具有更一致的结果）的替代解决方案（如 ASIFT 或 SIFT）的
一些评论也将不胜感激。
这不是 ASIFT 或更好的 ASIFT 问题。基本上，ASIFT 解决了“宽基线立体”问题——找到同一对象或场景的不同视图之间的对应关系和几何变换。
您要寻找的是某种图像（对象）相似性。最先进的方法 - 训练神经网络，从中获取固定长度的图像描述符，并将描述符与它们之间的欧几里得距离进行比较
例如，查看“图像检索的神经代码”论文 - http://arxiv.org/abs/1404.1777
PS如果你还是需要对应，误给了我们不同的眼镜，你可以试试MODS http://cmp.felk.cvut.cz/wbs/index.html 与ASIFT的区别在于它可以处理更大的角度差异，更稳定，更稳定快多了。
如果您只有这两个图像，这对于 SIFT/ASIFT 特征比较来说是一个相当困难的问题。甚至我也不清楚两张图片都描绘了同一款眼镜，因为有一些非常相似的眼镜可能会有所不同，比如侧片的宽度。
也就是说，我会寻找一种不同的方法。这些是我想到的一些高级方法：