نُقدّم خوارزمية تطابق جديدة تُسمى DeepMatching لحساب التطابقات الكثيفة بين الصور. تعتمد DeepMatching على بنية ترابطية هرمية متعددة الطبقات مصممة خصيصًا لتطابق الصور، ومستوحاة من النهج العميقة القائمة على التحويلات التلافيفية (Convolutional). وتُظهر الخوارزمية المقترحة قدرة على التعامل مع التشوهات غير المرنة والأنسجة المتكررة، كما تُحدد بفعالية التطابقات الكثيفة حتى في حالات التغيرات الكبيرة بين الصور. وقد تم تقييم أداء DeepMatching، مقارنةً بالخوارزميات الحديثة المتطورة، على مجموعات بيانات Mikolajczyk (Mikolajczyk et al. 2005)، وMPI-Sintel (Butler et al. 2012)، وKitti (Geiger et al. 2013). وتبين أن DeepMatching تتفوق على الخوارزميات الرائدة في مجالها، وتُظهر نتائج ممتازة بشكل خاص في حالات الأنسجة المتكررة. كما نقترح طريقة جديدة لتقدير التدفق البصري تُسمى DeepFlow، من خلال دمج DeepMatching في نهج التدفق البصري ذي الانزياح الكبير (LDOF) الذي طوّره Brox وMalik (2011). وبفضل نهج التطابق المُقترح، يتم تحقيق مرونة إضافية أمام الانزياحات الكبيرة والحركة المعقدة مقارنةً بالخوارزميات الحالية. وتحقيق DeepFlow أداءً تنافسيًا على المعايير العامة لتقدير التدفق البصري.