“从遥感图像中自动提取道路在智慧城市、智慧交通和自动驾驶等领域有着广泛的应用前景。然而，从高分辨率遥感图像中自动提取的道路存在碎片化、连通性差等问题，提取完整的道路仍然具有挑战性。为此，相关专家提出了一种改进的编码器—解码器网络SAMSNet（Split-Attention and Multi-Scale Attention Network）。该网络采用Split-Attention Network （ResNeSt-50）作为编码器，通过跨通道提取图像的语义信息以实现高质量的特征表示；引入级联并行的空洞卷积块，在扩大感受野的同时提高网络对多尺度上下文信息的感知能力；在跳跃连接部分引入多尺度通道注意力模块MS-CAM（Multi-Scale Channel Attention Module），同时关注分布全局的和局部的道路信息，帮助网络识别和检测极端尺度变化下的道路。并在DeepGlobe Road数据集、Massachusetts Road数据集和GRSet数据集上进行实验验证，将SAMSNet与其他9种主流模型进行对比。验证结果表明，SAMSNet在3个公开数据集上的IoU和F1-score等多项评价指标均优于其他对比模型，取得了最优的提取结果。”