نقدم محددًا جديدًا للنقاط المميزة يستند إلى شبكات النيورونات العصبية التلافيفية (CNN) - وهو GLAMpoints - الذي تم تعلمه بطريقة شبه إشرافية. يُستخرج من هذا المحدد نقاط اهتمام متكررة ومستقرة بغطاء كثيف، وهو مصمم خصيصًا لتعظيم التطابق الصحيح في مجال معين، على عكس التقنيات التقليدية التي تحسّن مقاييس غير مباشرة. في هذه الورقة البحثية، نطبق طريقةً على صور الشق الليفي الشبكية الصعبة، حيث تنتج المحددين الكلاسيكية نتائج غير راضية بسبب جودة الصورة المنخفضة وعدم كفاية عدد الخصائص الأولية. نظهر أن GLAMpoints يتفوق بشكل كبير على المحددين الكلاسيكية وكذلك أحدث طرق شبكات النيورونات العصبية التلافيفية في جودة التطابق والتسجيل للصور الشبكية. يمكن أيضًا توسيع طريقتنا إلى مجالات أخرى مثل الصور الطبيعية. الرمز البرمجي وأوزان النموذج متاحان على https://github.com/PruneTruong/GLAMpoints_pytorch.