随着绕地卫星的增多人类获得了许多高分辨率遥感图像,对遥感图像进行语义分割是实现地表信息利用的基础。为了提高遥感图像语义分割的效果和分类精度,本文设计了一种结合ResNet18网络预训练模型的双通道图像特征提取网络。我们将多重图像特征图进行拼接,融合后的特征图具有更强的特征表达能力。同时我们采用批标准化层和带有位置索引的最大池化方法进一步优化网络结构,提升最终地表目标物分类的准确率。我们利用实验将本文方法与其他多种神经网络方法进行了准确率和Kappa系数比较。本文提出的网络结构可以在小数据量样本下取得90.68%的总体准确率,Kappa系数达到了0.8595。相比其他方法,我们的算法取得了更好的语义分割效果,并且整体训练时间大幅缩短。