Page 174 - 《武汉大学学报（信息科学版）》2025年第9期

1902 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月

［13］ ZHENG Z， ZHONG Y F， WANG J J， et al. Build⁃ Pattern Analysis and Machine Intelligence， 2018， 40
ing Damage Assessment for Rapid Disaster Re⁃ （4）： 834-848.
sponse with a Deep Object-Based Semantic Change ［24］ LUO W J， LI Y J， URTASUN R， et al. Under⁃
Detection Framework： From Natural Disasters to standing the Effective Receptive Field in Deep Con⁃
Man-Made Disasters［J］. Remote Sensing of Envi⁃ volutional Neural Networks［EB/OL］. ［2024-10-
ronment， 2021， 265： 112636. 16］ https：//arxiv. org/abs/1701. 04128v2.
［14］ DURNOV V. Xview2 First Place Solution. ［EB/ ［25］ KAUR N， LEE C C， MOSTAFAVI A， et al.
OL］. ［2024-10-16］ https：//github. com/DIUx- Large-Scale Building Damage Assessment Using a
xView/xView2_first_place. Novel Hierarchical Transformer Architecture on Satel⁃
［15］ WEBER E， KANÉ H. Building Disaster Damage lite Images［J］. Computer ⁃ Aided Civil and Infra⁃
Assessment in Satellite Imagery with Multi-Tempo⁃ structure Engineering， 2023， 38（15）： 2072-2091.
ral Fusion［EB/OL］. 2020： 2004. 05525. https：// ［26］ CHEN H， NEMNI E， VALLECORSA S， et al.
arxiv. org/abs/2004. 05525v1. Dual-Tasks Siamese Transformer Framework for
［16］ SHEN Y， ZHU S J， YANG T， et al. BDANet： Building Damage Assessment［C］//IEEE Interna⁃
Multiscale Convolutional Neural Network with tional Geoscience and Remote Sensing Symposium，
Cross-Directional Attention for Building Damage Kuala Lumpur， Malaysia， 2022.
Assessment from Satellite Images［J］. IEEE Tran ⁃ ［27］ LIU Z ， LIN Y T ， CAO Y ， et al. Swin Trans⁃

sactions on Geoscience and Remote Sensing， 2021， former： Hierarchical Vision Transformer Using
60： 5402114. Shifted Windows ［C］//IEEE/CVF International
［17］ DENG L W， WANG Y. Post-Disaster Building Conference on Computer Vision （ICCV）， Montreal，
Damage Assessment Based on Improved U-Net［J］. Canada， 2021.
Scientific Reports， 2022， 12（1）： 15862. ［28］ GU A， DAO T. Mamba： Linear-Time Sequence
［18］ WANG J Q， GUO H N， SU X， et al. PCDAS⁃ Modeling with Selective State Spaces［EB/OL］.
Net： Position-Constrained Differential Attention Sia⁃ 2023： 2312. 00752. https：//arxiv. org/abs/2312.
mese Network for Building Damage Assessment 00752v2.
［J］. IEEE Transactions on Geoscience and Remote ［29］ LIU Y， TIAN Y J， ZHAO Y Z， et al. VMamba：
Sensing， 2024， 62： 5622318. Visual State Space Model［EB/OL］. ［2024-10-16］
［19］ Ku J， SEO， J， JEON， T. Dual-HRNet for Building https：//arxiv. org/abs/2401. 10166v4.
Localization and Damage Classification. ［EB/OL］. ［30］ WAN Z F， ZHANG P P， WANG Y H， et al. Sig⁃
［2024-10-16］ https：//github. com/SIAnalytics/du⁃ ma： Siamese Mamba Network for Multi-modal Se⁃
al-hrnet/blob/master/figures/xView2_White_Paper mantic Segmentation ［EB/OL］. ［2024-10-16］
_SI_Analytics. pdf. https：//arxiv. org/abs/2404. 04256v2.
［20］ XIE H F， HU X Y， JIANG H W， et al. BSSNet： ［31］ MA X P， ZHANG X K， PUN M O. RS3Mamba：
Building Subclass Segmentation from Satellite Images Visual State Space Model for Remote Sensing Image
Using Boundary Guidance and Contrastive Learning Semantic Segmentation［J］. IEEE Geoscience and
［J］. IEEE Journal of Selected Topics in Applied Remote Sensing Letters， 2024， 21： 6011405.
Earth Observations and Remote Sensing， 2022， 15： ［32］ BERMAN M， TRIKI A R， BLASCHKO M B.
7700-7711. The Lovasz-Softmax Loss： A Tractable Surrogate
［21］ GUPTA R， SHAH M. RescueNet： Joint Building for the Optimization of the Intersection-over-Union
Segmentation and Damage Assessment from Satel⁃ Measure in Neural Networks［C］//IEEE/CVF Con⁃
lite Imagery［C］//25th International Conference on ference on Computer Vision and Pattern Recogni⁃
Pattern Recognition （ICPR）， Milan， Italy， 2021. tion， Salt Lake City， USA， 2018.
［22］ HE K M， ZHANG X Y， REN S Q， et al. Deep Re⁃ ［33］ Lee C C， Kaur N， Mahdavi-Amiri A， et al. Ida-
sidual Learning for Image Recognition［C］//IEEE BD： Pre- and Post-Disaster High-Resolution Satel⁃
Conference on Computer Vision and Pattern Recog⁃ lite Imagery for Building Damage Assessment from
nition （CVPR）， Las Vegas， NV， USA， 2016. Hurricane Ida. Designsafe-CI. ［EB/OL］. ［2024-
［23］ CHEN L C， PAPANDREOU G， KOKKINOS I， 10-16］ https：//www. designsafe-ci. org/data/
et al. DeepLab： Semantic Image Segmentation with browser/public/designsafe. storage. published/ PRJ-
Deep Convolutional Nets， Atrous Convolution， and 3563.
Fully Connected CRFS［J］. IEEE Transactions on ［34］ CHEN H， SHI Z W. A Spatial-Temporal Atten⁃