Unify segmentation classes (17) across GTA-UAV and UAV_VisLoc

Extract shared UNIFIED_PROMPTS (17 classes, ID 0-16) into
scripts/seg_classes.py for transfer learning compatibility.
Both run_gta_uav.py and run_uav_visloc.py now import from it.

Key change: swimming pool moved from ID 13 → ID 16, so sports field
(ID 13), muddy ground (14), embankment (15) have stable IDs across
both datasets. Missing classes in a dataset = 0 pixels = 0 loss.

Updated: README, CLAUDE.md, segmentation_class_analysis.md, palette.
Deleted old UAV_VisLoc segmentations (need regeneration with 17 classes).

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

docs/segmentation_class_analysis.md

@@ -179,7 +179,15 @@ SegConfig.default_resolution = 1008
 
 ---
 
-## Конфигурация для UAV_VisLoc: 16 классов
+## Unified 17 классов для transfer learning
+
+UAV_VisLoc и GTA-UAV используют **единый набор 17 классов** (`scripts/seg_classes.py`). Это обеспечивает совместимость class IDs при transfer learning (pretrain GTA-UAV → fine-tune UAV_VisLoc). Не каждый датасет содержит пиксели каждого класса — класс с 0 пикселей просто не даёт вклад в loss.
+
+Источник единой конфигурации: `scripts/seg_classes.py:UNIFIED_PROMPTS`.
+
+---
+
+## Конфигурация для UAV_VisLoc: 17 классов (unified)
 
 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.
 
@@ -227,27 +235,13 @@ UAV_VisLoc содержит больше экстремальных сцен:
 - Однородные текстуры без семантических признаков
 - Это нормально — background здесь семантически корректен
 
-### Полная конфигурация UAV_VisLoc (16 классов)
+### Конфигурация (unified 17 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
-])
+from scripts.seg_classes import UNIFIED_PROMPTS
+SegConfig(threshold=0.1, prompts=UNIFIED_PROMPTS)
+# UNIFIED_PROMPTS содержит 17 классов (ID 0-16)
+# UAV_VisLoc: активны все кроме 16 (swimming pool — редко)
 ```
 
 ### Расширенная палитра (16 классов)
@@ -315,25 +309,13 @@ GTA-UAV-LR — синтетический датасет, сгенерирова
 | `sports field` | Есть в GTA V, но редко виден сверху (стадионы закрыты) |
 | `muddy ground` | Не актуален для GTA V (нет болот в Лос-Сантосе) |
 
-### Конфигурация
+### Конфигурация (unified 17 классов)
 
 ```python
-SegConfig(threshold=0.15, 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
-    "swimming pool",               # 13
-])
+from scripts.seg_classes import UNIFIED_PROMPTS
+SegConfig(threshold=0.15, prompts=UNIFIED_PROMPTS)
+# UNIFIED_PROMPTS содержит 17 классов (ID 0-16)
+# GTA-UAV: активны все кроме 14, 15 (muddy/embankment — нет в GTA V)
 ```
 
 ---