【摘要】在分布式光伏屋顶资源评估中，遥感图像建筑物屋顶分割存在边界模糊、细节丢失及多尺度目标识别精度不足等问题。基于此，本文提出了一种Ｕｎｅｔ与ＤｅｅｐＬａｂｖ３＋融合的语义分割算法（ＵＤ⁃ＦＮｅｔ）。 该算法以Ｕｎｅｔ的对称编码－解码结构为基础骨架，引入ＤｅｅｐＬａｂｖ３＋的空洞空间金字塔池化（ＡＳＰＰ）模块替代Ｕｎｅｔ的原始瓶颈层，从而高效捕获多尺度上下文信息。 同时，在跳跃连接中嵌入注意力门控机制（ＧＡ），强化对屋顶关键特征的筛选与融合，抑制背景干扰。 在自建的遥感地图屋顶数据集上的实验表明：本算法的平均交并比（ｍＩｏＵ）相比Ｕｎｅｔ提升了５.８％，相比ＤｅｅｐＬａｂｖ３＋提升了 ３.６％。 此外，边界分割的Ｆ１分数显著提升，能够更精确地还原屋顶轮廓细节，有效提升屋顶分割的精度。