本稿では、半教師付き学習により学習された新しいCNNベースの特徴点検出器 - GLAMpoints（グランポイント）- を紹介します。当該検出器は、特定のドメインにおいて正解マッチングを最大化するように設計されており、繰り返し可能で安定した興味点を高密度に抽出します。これは、間接的な指標を最適化する従来の手法とは対照的です。本論文では、低品質な画像と低レベル特徴量が不足しているために古典的な検出器が満足のいく結果をもたらさない困難な網膜スリットランプ画像に対して、当該方法を適用しました。GLAMpointsが網膜画像のマッチングおよびレジストレーション品質において、古典的な検出器や最先端のCNNベースの手法よりも大幅に優れていることを示しています。また、当該手法は自然画像などの他のドメインにも拡張可能です。訓練コードとモデルの重みは https://github.com/PruneTruong/GLAMpoints_pytorch で公開されています。