画像の地理的位置推定は、画像から地理的位置を推測するという課題であり、多くの潜在的な応用を持つ困難なコンピュータビジョンの問題です。この問題に対する最近の最先端アプローチは、世界を空間的に細胞に分割し、与えられた画像に対して正しい細胞を予測する深層ネットワークを訓練する深層画像分類アプローチです。私たちはこのアプロー�チと、クエリ画像がジオタグ付き画像のデータベースと照合され、取得されたセットから位置が推定される元のIm2GPSアプローチを組み合わせることを提案します。参考データベース内の最も近い近傍の位置にカーネル密度推定を適用することで、クエリ画像の地理的位置を推定します。興味深いことに、私たちの検索タスクに最適な特徴量は、テスト時には分類アプローチを使用しないにもかかわらず、分類損失で訓練されたネットワークから導き出されます。分類損失での訓練は、検索アプリケーションで一般的に使用されるいくつかの深層特徴学習手法（例：コントラスティブまたはトリプレット損失を使用したシアムネットワーク）よりも優れた性能を示しています。私たちの単純なアプローチは最先端の地理的位置推定精度を達成するとともに、大幅に少ない訓練データでも機能します。