تقدير التماثل بين صور جوية متعددة يمكن أن يوفر تقدير وضعية نسبية للاستكشاف والمراقبة الذاتيين التشاركيين. يتطلب استخدام هذا التقديرك في نظام روبوتي خوارزمية تقدير تماثل سريعة وقوية. في هذه الدراسة، نقترح خوارزمية تعلم غير مشرف تقوم بتدريب شبكة عصبية ارتباطية عميقة على تقدير التماثلات المستوية. نقارن الخوارزمية المقترحة مع الطرق التقليدية المعتمدة على الميزات والطرق المباشرة، بالإضافة إلى خوارزمية تعلم مشرف متناظرة. تظهر النتائج التجريبية لدينا أنه بالمقارنة مع النهج التقليدية، فإن الخوارزمية غير المشرفة تحقق سرعة استدلال أسرع، مع الحفاظ على دقة مكافئة أو أفضل وقوة مقاومة للتغيرات الإضاءة. بالإضافة إلى ذلك، في كل من مجموعة بيانات اصطناعية ومجموعة بيانات جوية حقيقية ممثلة، أثبتت طريقتنا غير المشرفة قابلية تكيف أفضل وأداءً أعلى بالمقارنة مع طريقة التعلم العميق المشرف عليها.