Аннотация:В течение последних десяти лет наблюдается значительный рост публикаций на тему использования алгоритмов машинного обучения в дистанционном зондировании. Методы машинного обучения, решающие задачи компьютерного зрения, позволяют выделить множество абстрактных признаков и их комбинаций исходного набора данных, формирующих образ того или иного объекта, и на их основе осуществляют идентификацию нужных объектов на анализируемом изображении. Данные алгоритмы, несомненно, подходят для сегментации кустовых площадок – наиболее многочисленной группы объектов любого нефтегазового месторождения. В данной работе предпринята попытка создания сегментационных моделей на основе сверточных нейронных сетей с целью выделения кустовых площадок в различных природных зонах. При этом были проанализированы различные факторы, оказывающие влияние на качество обнаружения целевого класса объектов.