我创建了一个小型的SIFT应用程序，它获取关键点并将其保存到文本文件中。我使用它来从标志（例如AT&T）中获取信息，并将其与其他带有该标志的图像进行比较。问题是我的许多图像都具有该标志的变化形式，由于缩放、旋转或照明等原因，它无法识别。我想知道是否有可能获得一组图像，获取它的关键点，并通过某种训练算法来增强检测。
我在网上搜索了训练SIFT关键点的方法，但它们都在某种博士论文中，介绍了所有这些数学算法，老实说，这让我感到困惑，因为我已经有一段时间没有上过数学课了。
如果有人有任何建议或链接，能够理解训练如何工作或需要执行哪些操作来实现训练，请告诉我。或者，如果有人有更简单的方法来进行此操作而不使用SIFT，则非常感激其他形式的检测。下面是我尝试过的列表：
- SURF
- 失败，因为它返回无效结果
- Haar特征和Adaboosting
- 失败，因为我开始在7/11/2011上使用100个正面模型和100个负面图像进行训练，到7/19/2011仍在运行
- 使用同一标志的各种变换和阈值处理的模板匹配
- 失败，因为我需要指数级地创建基于未能在图像中检测到任何内容的次数的标志
提前感谢。