由于农村建筑结构的多样性和复杂的空间分布，自动提取面临许多困难。为了解决这一问题，本文提出了一种用膨胀卷积和金字塔池表示的神经网络模型，用于遥感图像中农村建筑的自动提取。在扩展的卷积神经网络模块中，通过改变孔的大小来获取不同感受野的特征信息。在金字塔表示方面，每个模块输入不同的尺度信息，同时，下采样放大率也不同，以获得多维金字塔尺度特征。最后，将提取的浅、深尺度特征信息进行融合，构建了一种改进的深度学习模型，用于农村建筑目标的自动提取。实验结果表明，与FCN－8s和DeepLab模型提取结果相比，该方法在农村建筑提取中表现更好，提取精度显著提高，更好地保留了目标边界细节，降低了噪声。