Update docs with post-processing results: bg 57% → 5%

Verified on 128 satellite images after dark water fix (std threshold
0.08 → 0.18). Document calibrated thresholds and measured improvements.

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

CLAUDE.md

@@ -34,7 +34,7 @@ python -m pytest src/tests/ -v
 - **Структура директорий:** модальность = папка (`depth/`, `edge/`, `segm/`, `chm/`, `safetensors/`), не суффикс файла.
 - **Стадии последовательно** — одна модель в GPU за раз (экономия VRAM).
 - **Сегментация:** SegEarth-OV3 (SAM 3.1 + open-vocabulary prompts). **17 unified классов** для всех датасетов (единые ID для transfer learning).
-- **Post-processing:** два правила после SegEarth — dark water fix (background → water для тёмных изображений) и wetland reclassify (для GTA-UAV).
+- **Post-processing:** два правила после SegEarth — dark water fix (mean<0.24, std<0.18 → water; satellite bg 57%→5%) и wetland reclassify (GTA-UAV: ложный wetland 14%→0%).
 - **CHMv2 только FP32** — в FP16 NaN.
 
 ## Структура кода
@@ -68,3 +68,4 @@ docs/                      — документация
 - Не использовать `.pt` (torch.save) для хранения тензоров — pickle, медленно.
 - Не рендерить depth/seg в RGB colormap для обучения — OOD для DINOv3, потеря информации.
 - Не снижать threshold ниже 0.1 — увеличивает false positives без значимого улучшения recall.
+- Не менять `dark_water_std_thr` (0.18) — калибровано на GTA-UAV ocean (std 0.10-0.15). Ниже — не ловит, выше — false positives на normal images.