С учётом полученных в разное время нескольких источников дистанционного зондирования проблем пространственной гетерогенности, мы улучшили модель полностью трансформационной сети (FTN) и представили модель сети обнаружения изменений в зданиях, опавших после землетрясения, основанную на конце-конце (SWSACNet), использующую улучшение характеристик окна сдвига и смешанный механизм внимания свёртки. SWSACNet основан на структуре модели FTN, использует эффективную технологию ACmix (смешанное внимание свёртки) для распознавания характеристик зданий, опавших в изображениях из нескольких источников, и снижает воздействие позиционных отклонений в изображениях из нескольких источников путём сопоставления функции сходства окна сдвига. Например, используя изображения высокого разрешения 2 перед землетрясением, изображения Google и изображения пекинского 3 после землетрясения 6 февраля 2023 года в Турции силой 7,8 балла, мы создали набор данных обнаружения изменений в зданиях, опавших после землетрясения, для тестирования SWSACNet, FTN и четырёх других моделей. Результаты эксперимента показывают, что точность распознавания для SWSACNet, достигшая 80,8% значения показателя F1 и 67,8% mIoU, превосходит четыре другие модели. В тестовых сценах Fevaipasa, Nurdagi и Islahiye средняя точность распознавания модели F1 составила 60,84%, что указывает на необходимость улучшения обобщающих характеристик модели.

изображения из нескольких источников; глубокое обучение; обнаружение изменений; извлечение зданий, опавших