Eine robuste und genaue visuelle Lokalisierung ist eine grundlegende Fähigkeit für zahlreiche Anwendungen wie autonomes Fahren, mobile Robotik oder erweiterte Realität. Dennoch bleibt es eine herausfordernde Aufgabe, insbesondere in großen Umgebungen und bei erheblichen Änderungen des Erscheinungsbildes. Die neuesten Methoden haben nicht nur Schwierigkeiten mit solchen Szenarien, sondern sind oft auch zu ressourcenintensiv für bestimmte Echtzeitanwendungen. In dieser Arbeit schlagen wir HF-Net vor, einen hierarchischen Lokalisierungsansatz basierend auf einem monolithischen CNN (Convolutional Neural Network), das gleichzeitig lokale Merkmale und globale Deskriptoren für eine genaue 6-Dof-Lokalisierung (6 Degrees of Freedom) vorhersagt. Wir nutzen das Paradigma der von grob zu fein gehenden Lokalisierung: Zunächst führen wir eine globale Retrieval-Suche durch, um Standortvermutungen zu erhalten, und erst später passen wir die lokalen Merkmale in diesen Kandidatenorten an. Dieser hierarchische Ansatz führt zu erheblichen Laufzeitsparzellen und macht unser System für den Echtzeibetrieb geeignet. Durch die Nutzung gelernter Deskriptoren erreicht unsere Methode bemerkenswerte Robustheit bei großen Variationen des Erscheinungsbildes und setzt einen neuen Stand der Technik in zwei anspruchsvollen Benchmarks für die großräumige Lokalisierung.