Запропоновано новий підхід до оцінювання інформативності навчальної вибірки під час розпізнавання зображень, отриманих засобами дистанційного зондування. Показано, що якість навчальної вибірки можна відобразити набором характеристик, кожна з яких описує певні властивості даних. Встановлено залежність між характеристиками навчальної вибірки та точністю роботи класифікатора, тренованого на основі цієї вибірки. Розроблений підхід застосовано до різних тестових навчальних вибірок та наведено результати їхнього оцінювання. Показано, що оцінювання навчальної вибірки з використанням нового підходу здійснюється значно швидше, ніж процес навчання нейронної мережі.