Để đạt được độ tin cậy khi đối sánh trên một khung nhìn rộng hơn, một trong các máy dị bất biến Affine có thể được dùng để chọn và lấy mẫu các khu vực ảnh. Như đã đề cập ở trên, không cách tiếp cận nào trong số những phương pháp biến đổi Affine bất biến thực sự, tất cả đều bắt đầu từ việc xác định thuộc tính ban đầu khi khơng bất biến afine. Điều đó thể hiện phương pháp tốt nhất về bất biến Affine. Mikolajczyk (2002) đã đề xuất và chạy thử nghiệm chi tiết với các máy dị Harris- Affine. Ơng thấy rằng các keypoint lặp lại dưới dưới một góc nhìn 50 độ và nó vẫn đạt gần 40% dưới góc nhìn 70 độ, nó cung cấp hiệu suất tốt hơn cho những thay đổi Affine lớn. Nhưng nhược điểm là chi phí tính tốn cao hơn nhiều, giảm số lượng các keypoint, và tính ổn định kém hơn cho những thay đổi Affine nhỏ do sai sót trong việc gán một khung Affine phù hợp dưới nhiễu. Trong thực tế, phạm vi cho phép quay cho các đối tượng 3D là ít hơn đáng kể hơn so với bề mặt phẳng, vì vậy Affine bất biến thường không phải là yếu tố hạn chế trong khả năng để phù hợp với sự thay đổi quan điểm trên. Nếu một phạm vi rộng của Affine bất biến là mong muốn, chẳng hạn như đối với một bề mặt được biết đến là phẳng, sau đó là một giải pháp đơn giản là áp dụng phương pháp tiếp cận của Pritchard và Heidrich (2003), trong đó thuộc tính SIFT bổ sung được tạo ra từ biến đổi Affine phiên bản 4 của hình ảnh huấn luyện tương ứng với thay đổi 60độ của hướng nhìn, cho phép việc sử dụng các thuộc tính chuẩn SIFT và khơng phát sinh thêm chi phí khi các bức ảnh được nhận dạng, nhưng kết quả là tăng kích thước của cơ sở dữ liệu thuộc tính theo hệ số 3.
2.5.6.4. So khớp với cơ sở dữ liệu lớn
Một vấn đề còn quan trọng để đo sự khác biệt của thuộc tính là độ tin cậy của các biến đối sánh như là một hàm như thế nào với số lượng các thuộc tính trong cơ sở dữ liệu đối sánh. Với cách sử dụng một cơ sở dữ liệu 32 ảnh với khoảng 40.000 keypoint, hình 2.15 cho thấy độ tin cậy của các đối sánh như một hàm của độ lớn cơ sở dữ liệu. Hình vẽ này đã được tạo ra bằng cách sử dụng một cơ sở dữ liệu lớn hơn 112 ảnh, với hướng nhìn xoay 30 độ và 2% nhiễu ảnh và lấy ảnh xoay ngẫu nhiên và thay đổi tỉ lệ.