يُقدَّم أسلوب لتعلم مناطق موضعية متماثلة بالانزياح (affine-covariant). نُبيّن أن تحسين التكرار الهندسي لا يؤدي إلى الحصول على مناطق محلية، والمعروفة أيضًا بـ "السمات"، يمكن تطابقها بشكل موثوق، مما يستدعي استخدام التعلم القائم على الوصفات (descriptors). ونستعرض العوامل التي تؤثر في هذا التعلم والتوافق: دالة الخسارة، ونوع الوصفة، والتمثيل الهندسي، والمعادلة المتوازنة بين إمكانية التماثل والدقة الهندسية، ونُقدِّم دالة خسارة جديدة تُعرف بـ "دالة الخسارة ذات السلبيات الصعبة الثابتة" (hard negative-constant loss) لتعلم المناطق الشكلية الانزياحية. ويُظهر مُقدِّر الشكل الانزياحي (AffNet)، الذي تم تدريبه باستخدام دالة الخسارة هذه، تفوقًا على أحدث الأساليب في مهام استرجاع الصور باستخدام نموذج "حقيبة الكلمات" (bag-of-words) والتصوير الثلاثي بمسافات واسعة (wide baseline stereo). ويُعدّ عملية التدريب المقترحة غير مُشترطة وجود لوحات مُتماثلة هندسيًا بدقة. ويمكن الاطلاع على الكود المصدري والوزن المُدرّب عبر الرابط التالي: https://github.com/ducha-aiki/affnet