Des réponses rapides et efficaces sont essentielles lorsqu’un désastre naturel (par exemple, un séisme, un ouragan, etc.) frappe. L’évaluation des dommages aux bâtiments à partir d’images satellitaires est cruciale avant toute intervention efficace. Les images satellitaires à haute résolution fournissent des informations riches, incluant des scènes avant et après le désastre, permettant une analyse approfondie. Toutefois, la plupart des travaux existants utilisent simplement les images avant et après le désastre comme entrée, sans tenir compte des corrélations entre elles. Dans cet article, nous proposons une nouvelle stratégie de fusion croisée afin d’exploiter de manière plus efficace les corrélations entre les images avant et après le désastre. En outre, nous utilisons la méthode d’augmentation de données CutMix pour faire face au défi posé par les classes difficiles. La méthode proposée atteint des performances de pointe sur un grand jeu de données d’évaluation des dommages aux bâtiments — xBD.