摘要
从航拍图像中提取道路一直是遥感图像分析领域的研究热点。本文提出了一种结合残差学习和U-Net优势的语义分割神经网络，用于道路区域的提取。该网络由残差单元构建，其架构与U-Net相似。该模型的优势体现在两个方面：首先，残差单元简化了深度网络的训练；其次，网络内部丰富的跳跃连接有助于信息传播，使我们能够在减少参数数量的同时提高性能。我们在一个公开的道路数据集上测试了该网络，并将其与U-Net和其他两种基于深度学习的最新道路提取方法进行了比较。实验结果表明，所提出的 方法优于所有对比方法，证明了其在近期开发的先进方法中的优越性。