本文提出了三种多尺度相似性学习结构，通过对比损失函数学习像素级匹配，实现对场景几何形态的无关性。实验结果表明 DeepSim 网络优于混合方法和端到端方法，并且更好地适用于未见过的场景几何形态。该灵活的体系结构可以轻松地应用于标准的多分辨率图像匹配管道。