為了加速災害評估的速度，Google開發了使用卷積神經網路處理衛星圖像，檢測建築物損壞範圍的方法，以機器學習自動比對衛星資料，產生災區建築物損害評估。這項研究是Google與世界糧食計畫署的創新加速器合作開發，目的是要加速災害評估，對受災嚴重的地區，提供即時救難資源。
自動損害評估的過程有兩個步驟，其一是建築物偵測，其二則是損害分類。在建築物偵測步驟，Google使用物體偵測模型，在衛星圖像中對每個建築物繪製包圍盒（Bounding Box），並且擷取災害前與後的圖像，之後以分類模型來決定建築物受損與否。
分類模型由卷積神經網路組成，在卷積神經網路輸入以給定建築物為中心，災難發生前後的兩張圖像，圖像大小為161乘161畫素，對應50平方公尺的占地面積。分類模型會分類兩個圖像的差異，並輸出0.0到1.0的分數，數值接近0.0代表建築物未損壞，接近1.0則代表建築物已損壞，Google提到，閾值設為0.5可用來預測損壞與否，但仍可依據敏感度調整。