クロスビュー地理位置特定とは、ドローンや衛星など異なるプラットフォームから同一の地理的目標を撮影した画像を特定することである。極端な視点変動によって大きな視覚的な外観変化が生じるため、この課題は非常に困難である。既存の手法は通常、画像中心部の地理的目標の詳細特徴に焦点を当てているが、近傍領域の文脈情報の重要性を見落としている。本研究では、近傍領域を補助情報として活用することで、地理位置特定に役立つ識別的な手がかりを豊かにする可能性があると主張する。具体的には、文脈情報をエンドツーエンドで活用する単純かつ効果的な深層ニューラルネットワークであるLocal Pattern Network（LPN）を導入する。LPNは追加の部位推定器を使用せずに、正方形リング特徴分割戦略を採用しており、画像中心からの距離に基づいて注目度を提供する。これにより部位マッチングが容易になり、部位ごとの表現学習が可能となる。正方形リング分割設計のおかげで、提案されたLPNは回転変動に対する良好な拡張性を持ち、University-1652, CVUSA, CVACTという3つの主要ベンチマークにおいて競争力のある結果を達成している。さらに、提案されたLPNは他のフレームワークに簡単に組み込むことができ、性能向上にも寄与することが示されている。