Pour mettre en correspondance des images, il est classique de construire des descripteurs encodant l'information locale autour de points clefs et invariants à certaines transformations géométriques. Le succès de ces approches locales repose sur le fait que les déformations induites par les changements de points de vue entre images sont localement bien approchées par des transformations affines. Ainsi, de nombreux travaux ont été proposés dans la littérature pour construire des descripteurs locaux affine invariants. Cependant, malgré de nombreuses avancées en ce sens, aucun descripteur totalement affine invariant n'a
pu être construit. Afin de dépasser cette limitation, les méthodes plus récentes simulent plusieurs transformations affines des images à comparer pour atteindre une invariance affine plus complète. Dans ce travail, nous proposons un descripteur local qui capture l'invariance affine sans avoir besoin de simulations de points de vue. Ce descripteur est construit en entraînant un réseau de neurones profond à associer des représentations vectorielles similaires à des patchs liés par des transformations affines. Ces vecteurs peuvent ensuite être comparés très efficacement pour l'étape de mise en correspondance. Nous montrons que le descripteur ainsi construit, nommé SIFT-AID, surpasse l'état de l'art en matière de conservation des propriétés d'invariance affine.