Актуальность исследования обусловлена необходимостью разработки методов, алгоритмов и программных средств, обеспечивающих повышение эффективности семантической сегментации данных на снимках дистанционного зондирования Земли. Не смотря на интенсивное развитие современных методов и алгоритмов, зачастую они не обеспечивают требуемое качество работы и надежность, поэтому на сегодняшний день существует потребность в повышении качества семантической сегментации объектов на изображениях. Цель исследования: разработка алгоритмов, предназначенных для решения задачи семантической сегментации данных на снимках дистанционного зондирования Земли. Объекты исследования: нейросетевые алгоритмы, обеспечивающие семантическую сегментацию данных на изображениях; методы реализации и обучения искусственных нейронных сетей; алгоритмы обработки изображений. Методы. Для решения поставленных задач были использованы методы вычислительного интеллекта; методы классификации образов на изображениях; теория искусственных нейронных сетей; методы обучения искусственных нейронных сетей с использованием программного обеспечения Visual Studio; библиотеки глубокого обучения и реализации нейросетевых алгоритмов Caffe. Результаты. Был произведён обзор методов и алгоритмов, позволяющих осуществлять семантическую сегментацию данных на спутниковых снимках земной поверхности. На основании проведенного анализа был сделан вывод, что для решения поставленной задачи наиболее эффективно использовать нейросетевые алгоритмы. Разработана сверточная нейронная сеть с оригинальной архитектурой, состоящая из шести слоев. Выполнена программная реализация алгоритма, позволяющая строить карту с изображением контуров зданий, дорог и фона, на основе входных данных. Представлено сравнение результатов работы различных алгоритмов обучения для разработанной нейронной сети.