تقييمات الأضرار السريعة للمباني ضرورية للاستجابة الفعالة للزلزال. في اليابان، تعتبر المسوحات التقليدية لشهادة ضرر الزلزال (EDC) - التي تليها إصدار شهادات ضحايا الكوارث (DVCs) - غالبًا غير فعالة. مع التقدم في تقنيات الاستشعار عن بُعد وخوارزميات التعلم العميق، تمت دراسة تطبيقها المشترك للتقييم التلقائي للأضرار على نطاق واسع. ومع ذلك، فإن ندرة بيانات الاستشعار عن بُعد حول المباني المتضررة تمثل تحديات كبيرة لهذه المهمة. في هذه الدراسة، نقترح وحدة اندماج موجهة بعدم اليقين (UGFM) مدمجة في بنية مشفرة قياسية، مع استخدام محول الرؤية الهرمي v2 (PVTv2) كمشفر. تستفيد هذه الوحدة من مخرجات عدم اليقين في كل مرحلة لتوجيه عملية دمج الميزات، مما يعزز حساسية النموذج تجاه المباني المنهارة ويزيد من فعاليته في ظل ظروف متنوعة. تم بناء مجموعة بيانات للتدريب والاختبار داخل المجال باستخدام الصور الجوية بعد الزلزال للمناطق المتضررة بشدة في محافظة نوتو. حقق النموذج تقريبًا استرجاعًا بنسبة 79% مع دقة تبلغ 68% لاستخراج المباني المنهارة في هذه المجموعة من البيانات. كما قمنا بتقييم النموذج على مجموعة بيانات خارجية تتكون من صور جوية لمدينة ماشكي في محافظة كوماموتو، حيث حقق استرجاعًا تقريبًا بنسبة 66% ودقة قدرها 77%. في تحليل كمي يجمع بين بيانات المسح الميداني من ماشكي، حقق النموذج دقة تجاوزت 87% في تحديد المباني المتضررة بشدة، مما يدل على أن الطريقة المقترحة تقدم حلاً موثوقًا للتقييم الأولي للأضرار الكبرى وإمكانياتها لتسريع إصدار شهادات ضحايا الكوارث في سيناريوهات الاستجابة للكوارث في العالم الحقيقي.
قام لو وآخرون (سون) بدراسة هذا السؤال.