Une localisation visuelle robuste et précise est une capacité fondamentale pour de nombreuses applications, telles que la conduite autonome, la robotique mobile ou la réalité augmentée. Cependant, elle reste une tâche complexe, en particulier dans les environnements à grande échelle et en présence de changements d'apparence significatifs. Les méthodes actuelles non seulement peinent à gérer de tels scénarios, mais sont souvent trop gourmandes en ressources pour certaines applications en temps réel. Dans cet article, nous proposons HF-Net, une approche de localisation hiérarchique basée sur un CNN monolithique qui prédit simultanément des caractéristiques locales et des descripteurs globaux pour une localisation 6-DoF précise. Nous exploitons le paradigme de localisation du grossier au fin : nous effectuons d'abord une recherche globale pour obtenir des hypothèses de positionnement, puis nous appairons les caractéristiques locales uniquement dans ces lieux candidats. Cette approche hiérarchique entraîne des économies de temps d'exécution significatives et rend notre système adapté aux opérations en temps réel. En utilisant des descripteurs appris, notre méthode atteint une remarquable robustesse de localisation malgré de grandes variations d'apparence et établit un nouveau niveau d'excellence sur deux benchmarks difficiles pour la localisation à grande échelle.