Los desastres naturales son fenómenos que pueden ocurrir en cualquier parte del mundo. Pueden causar enormes cantidades de destrucción y dejar ciudades enteras en gran necesidad de asistencia. La capacidad de entregar ayuda de manera rápida y precisa a las áreas afectadas es crucial no solo para ahorrar tiempo y dinero, sino, lo más importante, vidas. Presentamos un modelo de visión por computadora basado en aprendizaje profundo para inferir semánticamente la magnitud del daño a edificios individuales después de desastres naturales utilizando imágenes satelitales previas y posteriores al desastre. Este modelo ayuda a aliviar un importante cuello de botella en el apoyo a decisiones de gestión de desastres al automatizar el análisis de la magnitud del daño a los edificios después del desastre. En este artículo, mostraremos nuestros métodos y resultados sobre cómo pudimos obtener un mejor rendimiento que los modelos existentes, especialmente en magnitudes de daño moderadas a significativas, junto con estudios de ablación para mostrar nuestros métodos y resultados sobre la importancia e impacto de diferentes parámetros de entrenamiento en aprendizaje profundo para imágenes satelitales. Pudimos obtener un puntaje F1 general de 0.868 con nuestros métodos.