Update docs: target-size 512, dataset generated

- Drone images now 512x512 (not 256x256)
- Satellite crops saved at native 512x512 (no downscale)
- Dataset generated: 25 GB on disk
- Added known issue: 6 drones in route 06 outside satellite coverage

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

CLAUDE.md

@@ -7,8 +7,9 @@
 - **Статус:** выполнен, данные готовы (2026-04-17)
 
 ## Результаты обработки
-- Drone: 6,744 изображений resized 256x256
+- Drone: 6,744 изображений resized 512x512
-- Satellite кропов: 74,807 (512x512 -> 256x256)
+- Satellite кропов: 74,807 (512x512, без downscale)
+- Размер на диске: 25 GB
 - Train queries: 5,060 / Test queries: 1,684
 - Gallery: 74,807 кропов (одинаковая для train и test)
 - Median distance drone->crop: 25.9m, P99: 45.7m
@@ -36,5 +37,11 @@
 - 6 drone в маршруте 06 (06_0093-06_0098) за пределами спутниковой карты (distance >1000m)
 - Нет val split (только train/test как в оригинальном UAV-VisLoc)
 
+## Разрешение
+- Drone: 512x512 (resize из 3976x2652 / 3000x2000)
+- Satellite crops: 512x512 (нарезка без downscale, сохраняют полное разрешение)
+- Resize до 224/256 для модели — в dataloader, не на диске
+- Разрешение 512 выбрано для downstream задач: сегментация, depth, normals, canopy height
+
 ## GSD спутника
 ~0.30 м/px (единый zoom level). Вариации GSD по долготе (0.23-0.27 м/px) — косинусный эффект широты, не разная высота съёмки.

README.md

@@ -9,8 +9,8 @@ compatible with UAV-GeoLoc format.
 ```
 UAV_VisLoc_dataset/                    UAV_VisLoc_processed/
 ├── 01/                                ├── 01/
-│   ├── drone/*.JPG (3976x2652)  --->  │   ├── drone/*.JPG (256x256)
+│   ├── drone/*.JPG (3976x2652)  --->  │   ├── drone/*.JPG (512x512)
-│   ├── satellite01.tif          --->  │   ├── DB/img/crop_X_Y.png (256x256)
+│   ├── satellite01.tif          --->  │   ├── DB/img/crop_X_Y.png (512x512)
 │   └── 01.csv                         │   ├── DB/db_postion.txt
 │                                      │   ├── positive.json
 ├── ...                                │   └── semi_positive.json
@@ -43,9 +43,9 @@ python scripts/prepare_dataset.py --src ... --dst ... --routes 01 02 03
 
 ## Steps
 
-1. **Resize drone images** -> 256x256 JPEG (quality=95)
+1. **Resize drone images** -> 512x512 JPEG (quality=95)
 2. **Stitch satellite tiles** for route 09 (4 tiles -> 44800x33280)
-3. **Crop satellite maps** -> 512x512 patches, stride 256 (50% overlap), resize -> 256x256 PNG
+3. **Crop satellite maps** -> 512x512 patches, stride 256 (50% overlap), saved as 512x512 PNG
 4. **Compute GPS** for each crop center from satellite bbox + grid position
 5. **Match drone -> crops** via vectorized haversine (positive = closest, semi-positive = +-1 in grid)
 6. **Write metadata**: positive.json, semi_positive.json, db_postion.txt (per route)
@@ -107,6 +107,16 @@ Columns: name, longitude, latitude, scale_lon (deg/px), scale_lat (deg/px).
 | **Total** | **6,744** | **74,807** | | |
 
 Split: 5,060 train / 1,684 test queries. Gallery: 74,807 crops (shared).
+Disk size: **25 GB**.
+
+## Image Resolution
+
+All images stored at **512x512** on disk:
+- Drone: resized from 3976x2652 / 3000x2000 -> 512x512
+- Satellite crops: cut at 512x512 from satellite map, no downscale
+
+Resolution 512 chosen to support downstream tasks (segmentation, depth, normals, canopy height).
+Resize to 224/256 for model input should be done in the dataloader, not on disk.
 
 ## GPS Matching Quality