Розглянуто проблему незбалансованих датасетів у задачі сегментації супутникових знімків, у якій моделі машинного навчання часто ігнорують класи з малою кількістю екземплярів на користь класів з більшою кількістю. Запропоновано використовувати вагові просторові маски під час обчислення функції втрат для врахування показника надійності окремих пікселів. Показано, що запропонований підхід підвищує якість сегментації, зокрема значно покращує метрики для класів з малою кількістю екземплярів. Розглянуто метод розширення датасету з використанням генеративних змагальних мереж (GAN), який також демонструє незначні покращення у розпізнаванні менш представлених у датасеті культур, та виконано його порівняння із запропонованим методом. Досліджено одночасне використання методу вагових масок та генеративних мереж.