Update docs: CLAUDE.md, README, segmentation class analysis

- Create CLAUDE.md with project overview, key decisions, structure
- Update README: add UAV_VisLoc dataset, 16-class palette, scripts
- Extend segmentation_class_analysis.md with UAV_VisLoc section:
  quantitative analysis of 2496 images, 5 new classes with detailed
  justification (bare soil, rooftop, sports field, wetland, embankment),
  threshold rationale, and irreducible background explanation

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

docs/segmentation_class_analysis.md

@@ -177,6 +177,102 @@ SegConfig.default_resolution = 1008
 | 9 | parking lot | (255, 165, 0) | Orange |
 | 10 | sidewalk | (200, 200, 200) | Light gray |
 
+---
+
+## Конфигурация для UAV_VisLoc: 16 классов
+
+UAV_VisLoc_processed — другой датасет (81K images, 11 сцен, DB + drone, 256x256). Анализ сегментации на scene 01 (2496 images) выявил 29% background — значительно больше, чем у World-UAV после настройки.
+
+### Анализ проблемных зон
+
+На 2496 изображениях scene 01 (UAV_VisLoc) были обнаружены 3 систематических паттерна ложного background:
+
+| Паттерн | Примеры | RGB характеристика | Текущее покрытие (11 кл.) |
+|---|---|---|---|
+| **Распаханные поля** | crop_0_11, crop_0_58, crop_10_49 | Однородная коричнево-серая текстура (R≈140, G≈120, B≈100) | 0% — ни `farmland`, ни `sand/gravel` не срабатывают |
+| **Тёмные/текстурированные крыши** | crop_0_97, crop_10_13 | Тёмные поверхности с солнечными панелями, промышленные объекты | ~50% — `building` ловит стены, но не крыши |
+| **Спортплощадки, теплицы** | crop_10_5 | Яркие прямоугольные объекты с уникальной текстурой | 0% — нет подходящего класса |
+| **Болотистый грунт / дамбы** | crop_0_0, crop_0_1 | Тёмно-зелёно-серый (R≈101, G≈103, B≈97), между водоёмами | 0% — слишком тёмный для `sand/gravel` |
+| **Экстремально тёмная вода** | crop_0_4, crop_0_6 | Почти чёрный (R<30, G<30, B<30) | 0% — SegEarth не видит воду при очень низкой яркости |
+
+### Количественный анализ (scene 01, 11 классов → 16 классов)
+
+| Метрика | 11 классов | 16 классов (ожид.) |
+|---|---|---|
+| background % | 29.0% | ~10-15% |
+| Изображений >50% bg | 475 / 2496 (19%) | ~100-150 |
+| 100% background | ~50 | ~20-30 (экстремально тёмные) |
+
+### 5 добавленных классов и обоснование
+
+| ID | Промпт | Обоснование | Что покрывает |
+|---|---|---|---|
+| 11 | `bare soil and plowed field` | **Главная потеря** (~15-20% пикселей bg). `farmland` ловит только зелёные поля с посевами. Распаханная земля (коричневая, без растительности) — отдельный семантический класс. В UAV_VisLoc много сельских сцен с обработанными полями без всходов. | Распаханные поля, голая земля, стройплощадки |
+| 12 | `roof and rooftop` | `building` обучен на стены/фасады. Крыши сверху (вид с БПЛА/спутника) — другая текстура: черепица, металл, солнечные панели, плоские бетонные крыши. SegEarth не уверен в `building` для тёмных крыш → background. | Крыши всех типов, солнечные панели на крышах |
+| 13 | `sports field and playground` | Спортплощадки имеют уникальную геометрию (прямоугольники, разметка, цветные покрытия), не покрываемую ни одним из базовых классов. Для CVGL — сильный localization landmark. | Теннисные корты, футбольные поля, баскетбольные площадки |
+| 14 | `muddy ground and wetland` | Болотистая земля между водоёмами (дамбы, берега, русла). Слишком тёмная для `sand/gravel`, слишком сухая для `water`. Специфична для UAV_VisLoc (прибрежные сцены). | Мокрый грунт, заболоченные участки, дамбы |
+| 15 | `embankment and levee` | Насыпные сооружения (дамбы, набережные, обваловки) — линейные структуры из грунта вдоль водоёмов. Геометрически уникальны для matching. | Земляные дамбы, насыпи, обваловки каналов |
+
+### Почему `threshold=0.1` (а не 0.15 как в World-UAV)
+
+UAV_VisLoc содержит больше экстремальных сцен:
+- Тёмная вода (почти чёрная) — confidence по `water` = 0.12-0.14
+- Мокрый грунт — confidence по `bare soil` = 0.11-0.13
+- При threshold=0.15 эти пиксели уходят в background, при 0.1 — корректно классифицируются
+
+### Неустранимый background (~5-10%)
+
+Остаётся background для изображений, где SegEarth-OV3 **физически не может** сегментировать:
+- Почти чёрные кадры (ночная вода, тень) — нет визуальной информации
+- Однородные текстуры без семантических признаков
+- Это нормально — background здесь семантически корректен
+
+### Полная конфигурация UAV_VisLoc (16 классов)
+
+```python
+SegConfig(threshold=0.1, prompts=[
+    "background",                   # 0
+    "building",                     # 1
+    "road",                         # 2
+    "vegetation",                   # 3
+    "water",                        # 4
+    "sand and gravel ground",       # 5
+    "rocky terrain",                # 6
+    "farmland",                     # 7
+    "railway",                      # 8
+    "parking lot",                  # 9
+    "sidewalk",                     # 10
+    "bare soil and plowed field",   # 11
+    "roof and rooftop",             # 12
+    "sports field and playground",  # 13
+    "muddy ground and wetland",     # 14
+    "embankment and levee",         # 15
+])
+```
+
+### Расширенная палитра (16 классов)
+
+| ID | Класс | RGB | Цвет |
+|:--:|:---|:---|:---|
+| 0 | background | (0, 0, 0) | Black |
+| 1 | building | (220, 40, 40) | Red |
+| 2 | road | (160, 160, 160) | Gray |
+| 3 | vegetation | (30, 180, 30) | Green |
+| 4 | water | (30, 120, 220) | Blue |
+| 5 | sand and gravel ground | (180, 140, 80) | Tan |
+| 6 | rocky terrain | (120, 100, 80) | Brown |
+| 7 | farmland | (200, 200, 50) | Yellow |
+| 8 | railway | (100, 60, 120) | Purple |
+| 9 | parking lot | (255, 165, 0) | Orange |
+| 10 | sidewalk | (200, 200, 200) | Light gray |
+| 11 | bare soil | (140, 100, 50) | Dark tan |
+| 12 | rooftop | (180, 60, 60) | Dark red |
+| 13 | sports field | (50, 200, 150) | Teal |
+| 14 | muddy/wetland | (80, 100, 70) | Olive |
+| 15 | embankment | (170, 130, 100) | Sandy brown |
+
+---
+
 ## Оценка влияния на производительность
 
 - Инференс: ~1.8–2.2x медленнее (11 vs 5 text prompts)