نقدم شبكة عصبية عميقة ذات ترابط متعدد لتقدير المتجانسة النسبية بين زوج من الصور. تتكون شبكتنا التغذية الأمامية من 10 طبقات، وتتلقى كمدخلين صورتين رماديتين مكدستين، وتنتج متجانسة بثمان درجات حرية يمكن استخدامها لرسم خريطة البكسلات من الصورة الأولى إلى الصورة الثانية. نقدم نوعين من هندسة الشبكات العصبية المتعددة الترابط لـ HomographyNet: شبكة الانحدار التي تقدير مباشرة معلمات المتجانسة الحقيقية، وشبكة التصنيف التي تنتج توزيعًا فوق المتجانسات المحصلة (quantized homographies). نستخدم معلمة المتجانسة بنقطة الارتباط الأربعة التي تربط الزوايا الأربعة من صورة واحدة بالصورة الثانية. يتم تدريب شبكاتنا بطريقة شاملة باستخدام صور MS-COCO المشوهة. يعمل نهجنا دون الحاجة إلى مراحل مستقلة لاكتشاف الخصائص المحلية وتقدير التحويل. يتم مقارنة نماذجنا العميقة مع تقدير المتجانسة التقليدي المستند إلى خصائص ORB، ونسلط الضوء على السيناريوهات التي يتفوق فيها HomographyNet على التقنية التقليدية. كما نصف مجموعة متنوعة من التطبيقات التي تعتمد على تقدير المتجانسة العميق، مما يبرز مرونة نهج التعلم العميق.