针对遥感建筑物实时检测中深度卷积网络资源消耗大和硬件移植难的问题,提出一种基于二值与浮点数混用方法的语义分割网络MBU-Net。通过对FU-Net网络全局权重进行二值化处理来压缩模型大小,并将占少量参数的网络输出层权重替换成浮点型(MBU-Net),解决了全局二值网络(GBU-Net)检测精度差、训练缓慢的问题。在QuickBird卫星遥感数据集上进行实验,MBU-Net的像素准确率为82.33%,F1分数(召回率和精确率的调和平均数)为73.15%;相比于FU-Net,MBU-Net在保证检测精度的前提下,模型大小大幅压缩,检测速度提升了6.29倍,功耗降为37.78%,且优于其他同类方法(Deeplab、ENet),对遥感建筑物实时检测具有重要的实际工程价值。