تُعد الكوارث الطبيعية، وخاصة الأعاصير، من أكثر التحديات التي تواجه المجتمعات، حيث تتسبب في تدمير واسع النطاق للمباني والبنية التحتية. ومن هنا، يصبح تقييم الأضرار بعد الكارثة أمرًا بالغ الأهمية لضمان استجابة طارئة فعالة وتخطيط سليم للتعافي.

ثورة جديدة في مجال تقييم الأضرار بعد الأعاصير ظهرت مؤخرًا في شكل نموذج MCANet، وهو إطار متقدم يستخدم صور الطائرات بدون طيار (UAV) لتحليل الأضرار. يعالج هذا النموذج التحديات التي تواجه التصنيف بعد الأعاصير، حيث أن الصور قد تحتوي على فئات أضرار متعددة تظهر معًا، وتختلف في المقياس، مما يجعل التقييم مهمة صعبة.

يستند MCANet إلى هيكلية Res2Net، والتي توفر تمثيلًا متعدد المقاييس، مضيفًا ميزة الانتباه التكراري المخصص لكل فئة ضرر لتعزيز دقة التصنيف. وفقًا لتقييم تم على مجموعة بيانات RescueNet، التي تحتوي على 4494 صورة تم جمعها بعد إعصار مايكل، تمكّن MCANet من تحقيق أعلى دقة متوسطة (mAP) تصل إلى 91.37%.

عند مقارنته بنموذج Vision Transformer (ViT-B/16)، حقق MCANet زيادة بنسبة 1.90% بينما استخدم حوالي 50% أقل من المعلمات و52% أقل من عمليات الفاصلة العائمة (GFLOPs). كما ساهم الانتباه التكراري المخصص بمعدل زيادة بلغ 1.52% مقارنةً بالانتباه العام.

يعزز MCANet عملية فحص الصور بعد الكوارث ويقدم نتائج منظمة لتسهيل عمليات إدارة الطوارئ لاحقًا. إن هذا الابتكار على مشارف إحداث تغيير كبير في كيفية تقييم الأضرار وتحسين الاستجابة بعد الكوارث. فهل أنتم مستعدون لرؤية تأثير هذه التقنية في حياتنا اليومية؟