さまざまな時相の異なる複数のリモートセンシング画像に対する空間的異質性の問題に対処するため、本研究では、フルトランスフォーマーネットワーク（FTN）モデルを改良し、スライディングウィンドウ方式の特徴増強と畳み込みアテンション混合メカニズムに基づいたエンドツーエンドの倒壊建造物変化検出ネットワークモデルであるSWSACNet（Sliding-Window-Shift Attention Convolution mix Network）を提案します。 SWSACNetは、FTNのモデルフレームワークに基づき、ACmix（Attention Convolution mix）を使用して、複数の画像ペアで倒壊建造物の特徴を効率的に認識し、スライディングウィンドウによる類似度特徴マッチングを利用して、複数の画像の位置偏差の影響を弱めます。例として、2023年2月6日のトルコM_w7.8地震を取り上げ、前震の高分二号、Google画像、および後震の北京三号の画像を使用して、倒壊建物の変化検出データセットを構築し、SWSACNet、FTNなどの5つの変化検出モデルをトレーニングおよび震域での倒壊建造物の抽出テストを行いました。実験結果によると、SWSACNetの識別精度F1スコアは80.8％、mIoUは67.8％であり、他の4つのモデルよりも優れています。 SWSACNetはFevaipasa、Nurdagi、Islahiyeの3つのテストシナリオに適用されたとき、モデルの平均識別精度F1スコアは60.84％であり、モデルの一般化性能が向上する余地があることを示しています。

リモートセンシング; マルチソース画像; ディープラーニング; 変化検出; 倒壊建物抽出