التحديد الجغرافي عبر الآراء المختلفة هو مهمة تطابق الصورة الجغرافية نفسها من آراء مختلفة، مثل الطائرات بدون طيار (UAV) والأقمار الصناعية. التحديات الأكثر صعوبة هي الانزياح المكاني وعدم اليقين في المسافة والحجم. تركز الأساليب الحالية بشكل أساسي على استخراج معلومات دقيقة ومتكاملة بشكل أكبر. ومع ذلك، فإنها تقلل من أهمية استخراج تمثيل خاص قوي وتأثير محاذاة الخصائص. حققت الطرق القائمة على الشبكات العصبية المت convoled (CNN) نجاحًا كبيرًا في تحديد الموقع الجغرافي عبر الآراء المختلفة. ومع ذلك، لا تزال لديها بعض القيود، مثل أنها تستطيع استخراج جزء فقط من المعلومات في الجوار وأن بعض عمليات تقليص الحجم ستجعل بعض المعلومات الدقيقة الضائعة. في هذا السياق، نقدم بنية بسيطة وكفؤة قائمة على المتحولات (Transformers) تُسمى "تقسيم الخصائص ومحاذاة المناطق" (Feature Segmentation and Region Alignment - FSRA) لتعزيز قدرة النموذج على فهم المعلومات السياقية وكذلك فهم توزيع الحالات. دون استخدام معلومات إشراف إضافية، تقوم FSRA بتقسيم المناطق بناءً على توزيع الحرارة في خريطة الخصائص للمتحول، ثم تقوم بمحاذاة مناطق محددة متعددة في آراء مختلفة بشكل مباشر واحد لواحد. أخيرًا، تقوم FSRA بدمج كل منطقة في مجموعة من التمثيلات الخاصة. الفرق أن FSRA لا تقسم المناطق يدويًا، بل بشكل آلي بناءً على توزيع الحرارة في خريطة الخصائص. وهكذا يمكن تقسيم ومحاذاة الحالات المحددة حتى عند وجود انزياحات كبيرة وتغيرات في الحجم في الصورة.بالإضافة إلى ذلك، تم اقتراح استراتيجية عينة متعددة للتغلب على الاختلاف في عدد صور الأقمار الصناعية وعدد الصور من المصادر الأخرى. أظهرت التجارب أن الطريقة المقترحة لها أداء متفوق وتحقق أفضل النتائج الحالية في كلتا مهمتي تحديد موقع الهدف من وجهة نظر الطائرات بدون طيار والتوجيه بالطائرات بدون طيار. سيتم نشر الكود في https://github.com/Dmmm1997/FSRA