A deteção de características rodoviárias a partir de imagens de deteção remota é crucial para manter uma rede rodoviária actualizada e fiável, essencial para os transportes, o planeamento de emergências e a navegação. Embora as redes neurais convolucionais se tenham mostrado promissoras na automatização deste processo, os métodos existentes trocam frequentemente a precisão pela complexidade. Este estudo tem como objetivo desenvolver um método preciso de extração de estradas sem sacrificar a eficiência computacional. Propomos uma rede neural de segmentação semântica que combina a aprendizagem por transferência e a arquitetura U-net com uma complexidade mínima. São utilizadas técnicas de pós-processamento para melhorar a qualidade dos resultados. O nosso método atinge uma pontuação F1 de 0,83 e uma precisão de 95,57%, superando outros modelos no conjunto de dados de Massachusetts. Esta abordagem demonstra um desempenho superior e uma complexidade de rede reduzida em comparação com os métodos existentes.