التحديد الجغرافي عبر وجهات النظر المتعددة هو تحديد الصور لنفس الهدف الجغرافي من منصات مختلفة، مثل كاميرات الطائرات بدون طيار والأقمار الصناعية. يعتبر هذا التحدي صعبًا بسبب التغيرات الكبيرة في المظهر البصري الناجمة عن تباينات الزاوية البصرية الشديدة. غالبًا ما تركز الأساليب الحالية على استخراج الخصائص الدقيقة للهدف الجغرافي في مركز الصورة، ولكنها تقلل من أهمية المعلومات السياقية في المناطق المجاورة. في هذا العمل، ندعي أن المناطق المجاورة يمكن استخدامها كمعلومات مساعدة، مما يغني العلامات المميزة للتحديد الجغرافي. بشكل خاص، نقدم شبكة عصبية عميقة بسيطة وفعالة تسمى شبكة الأنماط المحلية (Local Pattern Network - LPN) للاستفادة من المعلومات السياقية بطريقة شاملة من البداية إلى النهاية. دون استخدام مقدّرات أجزاء إضافية، تعتمد LPN على استراتيجية تقسيم الميزات بأشكال مربعة ومربعة حلقات، والتي توفر التركيز وفقًا لمسافة الجزء من مركز الصورة. هذا يسهل مطابقة الأجزاء ويتيح التعلم التمثيلي للأجزاء بشكل فردي. بفضل تصميم التقسيم المربع الحلقي، فإن الشبكة المقترحة LPN لديها قابلية جيدة للتوسع مع التغيرات الدوارة وتحقيق نتائج تنافسية على ثلاثة مقاييس رائجة، وهي جامعة-1652 (University-1652) و CVUSA و CVACT. بالإضافة إلى ذلك، نوضح أيضًا أن الشبكة المقترحة LPN يمكن دمجها بسهولة في إطار عمل آخر لتعزيز الأداء بشكل أكبر.