Dans cette étude, nous abordons le problème de la détection fiable de correspondances au niveau des pixels sous des conditions d'imagerie difficiles. Nous proposons une approche dans laquelle un seul réseau neuronal convolutif joue un double rôle : il est à la fois un descripteur de caractéristiques dense et un détecteur de caractéristiques. En reportant la détection à une étape ultérieure, les points clés obtenus sont plus stables que leurs homologues traditionnels basés sur la détection précoce de structures de bas niveau. Nous montrons que ce modèle peut être entraîné en utilisant des correspondances de pixels extraites de reconstructions SfM (Structure from Motion) à grande échelle facilement disponibles, sans aucune annotation supplémentaire. La méthode proposée obtient des performances d'état de l'art tant sur le jeu de données Aachen Day-Night pour la localisation en conditions diurno-nocturnes difficiles que sur le benchmark InLoc pour la localisation intérieure, ainsi que des performances compétitives sur d'autres benchmarks d'appariement d'images et de reconstruction 3D.