为实现深度学习图像处理技术快速获取露天矿山路网信息，搭建了Deeplabv3+与PSPNet 2种典型网络模型框架，选取不同层数的ResNet为骨干网络构建起露天矿道路信息提取模型，通过框架模型横向对比和同框架下不同层数的ResNet纵向对比，研究了模型识别精度和速度与ResNet层数间的最优分配问题。结果表明：综合考虑模型训练时长与识别效果的前提下，Deeplabv3+网络框架对于图像边缘区域的识别存在道路信息丢失、无法识别或误差较大的问题，不宜应用于露天矿山道路信息的图像处理；PSPNet网络框架能够准确识别复杂矿区环境中的多类不同特征的道路，且骨干网络ResNet的层数保持在50层即可满足识别精度的同时保证识别速度与效率。