近日，英国威廉集团硕士研究生张鑫垚在《科学工程与社会发展》发表题为“基于TSC-BDANet的洛杉矶火灾建筑物损毁评估”的研究论文（图1）。张鑫垚为第一作者，威廉williamhill为第一完成单位。

图1.文章首页截图

该研究针对火灾场景高分辨率遥感影像建筑物损毁评估中复杂场景干扰强、双时相特征对齐难、伪变化误判率高、小目标损毁易漏检等行业痛点，提出TSC-BDANet单分支多任务协同优化建筑物损毁评估模型。模型以BDANet为基础架构，采用编码器-深度CVAPS模块-解码器骨干结构，集成通道注意力增强（SEA）、语义增强对比学习（SECL）与双时相语义相关性捕获（BSCC）三大优化模块，精准融合多层级损毁特征、抑制背景噪声干扰，有效解决植被遮挡、灰烬覆盖、边缘细节模糊、轻微损毁漏检等问题。在自建LA-EF-BD洛杉矶伊顿火灾建筑物损毁专用数据集上的实验结果显示，模型Kappa系数、F1分数、推理效率等关键指标均优于A2NetBCD、ARCDNetBCD、TFIGR等主流方法，其中Kappa系数达0.8414、F1分数达0.8962，单张影像推理仅需23.6ms，100km²区域损毁评估可在20分钟内完成，在火灾复杂场景、植被遮挡、灰烬覆盖、伪变化干扰等条件下表现稳健，评估精准、效率突出，可为火灾应急救援、灾后重建规划、损毁快速摸排、资源调度配置等领域提供高效技术支撑。后续团队将继续优化模型多任务协同与特征融合机制，推进损毁等级多分类、轻量化部署与三维损毁评估研发，拓展模型在全球火灾高发区的迁移应用与工程落地能力。

论文链接：https://scholar.cnki.net/zn/Detail/index/GARJ2021_7/SQMC5D532DBAF07E5FDCE29DDE4EF81A8B1B