O trabalho apresenta o SemMatch, um arcabouço de software modular desenvolvido para avaliar e validar sistematicamente modelos de correspondência de imagens, suprindo a necessidade por ferramentas padronizadas e reprodutíveis diante do avanço rápido dos modelos de Deep Learning em Visão Computacional; unificando datasets amplamente utilizados, como ScanNet, MegaDepth e HPatches, o SemMatch introduz um pipeline que emprega o modelo de segmentação SAM 2 e a métrica perceptual LPIPS para classificar erros entre falhas de textura e falhas semânticas genuínas, resultando em um sistema robusto em Python com módulos de análise estatística, geração de relatórios em PDF/HTML e uma aplicação Flask para exploração visual, elevando a qualidade e a reprodutibilidade da pesquisa em correspondência de imagens.