При проектировании новых автомобильных и железных дорог, других инфраструктурных инженерных сетей и таких масштабных объектов, как нефтегазовые месторождения, необходимо получить целостное представление о территории строительства уже на стадии концептуального проектирования. Ведь ключевые показатели строительства, такие как сроки реализации, капитальные вложения, экономическая эффективность, напрямую зависят от детальности и точности проработки местоположения и динамики изменения во времени таких объектов как озера, реки, поймы, существующая инфраструктура и дороги, различные типы растительности и пр.

Сверточные нейронные сети позволяют решать подобные задачи без привлечения специалиста в короткие сроки, исключая фактор не статистической человеческой ошибки, обновляя результаты по мере поступления новых данных.

Авторами разработаны и применены ряд методов машинного обучения для проведения мультиспектрального анализа спутниковых оптических и радиолокационных изображений высокого разрешения с целью классификации, сегментации и локализации различных областей спутниковых данных, таких как облака, тени, реки, озёра, поймы, дороги, а также исследования динамики их изменения во времени (по сезонам).