В работе проведено первичное исследование структуры латентного пространства нейронных сетей, обученных для семантической сегментации. В качестве опорных архитектур был выбран классический автоэнкодер и U-net подобные архитектуры. Сегментация проводилась в управялемой среде прямоугольных фигур. In this publications , we made a primary study of the structure of the latent space of neural networks trained for semantic segmentation. The classic autoencoder and U-net similar architectures were chosen as reference architectures. Segmentation was performed in a controlled environment of rectangular shapes.