每个学习计算机视觉的人恐怕都曾经或多或少接触过图像匹配，也许还能张口就说出几个算子：SIFT/SURF/ORB+RANSAC等等。

      图像匹配在图像检索和三维重建中应用很多，每年都会有大量的论文声称达到了SOTA（state-of-the-art，最先进的），但谷歌最新的一篇论文（Image Matching across Wide Baselines: From Paper to Practice）却指出，这很可能是验证数据不足的假象。

       在多视角图像匹配测试中，引入了多个度量标准。从mAP看，DoG-HardNet也是具有相当优势的。

      在局部特征点检测+描述这条技术路径上，描述部分已经被深度学习攻克了，而特征点检测目前还没有很好的深度学习方案，深度学习能否攻克这块传统特征固守的领地？还是两幅图像整体计算姿态和方向更好？这也是本次大赛的重要看点。