El análisis de imágenes aéreas y satelitales para la detección de huellas de edificios es uno de los principales desafíos en fotogrametría y teledetección. Esta información es útil para diversas aplicaciones, como la planificación urbana, el monitoreo de desastres y la modelación de ciudades en 3D. Sin embargo, se ha convertido en un desafío significativo debido a las diversas características de los edificios, como la forma, el tamaño y la interferencia de sombras. Este estudio investigó el uso simultáneo de imágenes aéreas y satelitales para mejorar la precisión de los modelos de aprendizaje profundo en la detección de huellas de edificios. Para este propósito, se emplearon imágenes aéreas con una resolución espacial de 30 cm y la imagen satelital Sentinel-2. Se extrajeron varios índices espectrales derivados de satélite de la imagen de Sentinel-2. Luego, se entrenaron modelos U-Net combinados con ResNet-18 y ResNet-34 con estos datos. Los resultados mostraron que la combinación del modelo U-Net con ResNet-34, entrenado en un conjunto de datos obtenido al integrar imágenes aéreas e índices satelitales, denominado RGB-Sentinel-ResNet34, logró el mejor rendimiento entre los modelos evaluados. Este modelo alcanzó una precisión del 96.99%, un F1-score del 90.57% y una Intersección sobre Unión del 73.86%. En comparación con otros modelos, RGB-Sentinel-ResNet34 mostró una mejora significativa en precisión y capacidad de generalización. Los hallazgos indicaron que el uso simultáneo de datos aéreos y satelitales puede mejorar sustancialmente la precisión de la detección de huellas de edificios.