چکیده: استخراج دقیق جاده‌ها از تصاویر ماهواره‌ای یکی از موضوعات مهم در حوزه بینایی ماشین و سنجش از دور است که نقش کلیدی در سامانه‌های اطلاعات جغرافیایی (GIS) و ناوبری دارد. در این پژوهش، یک روش سبک و کارآمد با عنوان Improved Mobile-Unet برای شناسایی نواحی جاده از تصاویر ماهواره‌ای ارائه شده است. ساختار مدل پیشنهادی بر پایه مدل U-Net استاندارد طراحی شده، اما برای کاهش حجم محاسبات، در بخش Encoder از لایه‌های شبکه MobileNetV2 استفاده شده است تا امکان اجرای سریع مدل بر روی دستگاه‌های با منابع محدود مانند تلفن همراه و سامانه‌های تعبیه‌شده فراهم شود. در بخش Decoder نیز از لایه‌های Transposed Convolution و اتصالات میان‌بر (Skip Connections) برای بازسازی تصویر و ترکیب ویژگی‌ها بهره گرفته شده است. همچنین به‌منظور بهبود دقت در تشخیص جاده‌های باریک، یک تابع هزینه اصلاح‌شده مبتنی بر Dice Loss طراحی گردیده است. عملکرد مدل بر روی پایگاه داده DeepGlobe ارزیابی شده و نتایج نشان می‌دهد که مدل پیشنهادی با دستیابی به مقدار IoU برابر با 94.89% و مقدار F-Score برابر با 97.38%، دقت بالاتر و پیچیدگی محاسباتی کمتری نسبت به مدل‌های پایه دارد.