Update README and CLAUDE.md: unified 17 classes, post-processing, 3 datasets

- All datasets now use unified 17 classes (not 11/14/16 separately)
- Document seg post-processing (dark water fix, wetland reclassify)
- Update test count (149), time estimates (17 prompts), palette
- Add seg_classes.py to project structure
- Fix outdated references throughout

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

CLAUDE.md

@@ -16,38 +16,55 @@ python scripts/run_uav_visloc.py
 # GTA-UAV-LR (48K images, synthetic GTA V)
 python scripts/run_gta_uav.py
 
-# Тесты (143 шт, без GPU)
+# Тесты (149 шт, без GPU)
 python -m pytest src/tests/ -v
 ```
 
+## Поддерживаемые датасеты
+
+| Датасет | Изображения | Тип | Скрипт |
+|---|---|---|---|
+| World-UAV | 973K | Реальные аэрофото, 27 terrain, 11 стран | `python -m src.main` |
+| UAV_VisLoc | 81K | Реальные, 11 сцен, DB + drone | `python scripts/run_uav_visloc.py` |
+| GTA-UAV-LR | 48K | Синтетика GTA V, 6 высот полёта | `python scripts/run_gta_uav.py` |
+
 ## Ключевые решения
 
 - **Формат выхода:** SafeTensors (zero-copy mmap, ~0.1ms чтение). Не NPY, не PNG, не `.pt`.
 - **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). 11 классов для World-UAV, **17 unified** для UAV_VisLoc + GTA-UAV (единые ID для transfer learning).
+- **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).
 - **CHMv2 только FP32** — в FP16 NaN.
 
 ## Структура кода
 
 ```
-src/main.py          — точка входа, оркестрация стадий
-src/augmentor/       — inference, I/O, dataset discovery
-src/conf/            — gin-configurable dataclasses
-src/nn/              — вендорированные DA3 + SegEarth-OV3
-scripts/             — run_uav_visloc.py, migrate_layout.py
-in/config_files/     — gin-конфиги
-docs/                — документация
+src/main.py              — точка входа, оркестрация стадий
+src/augmentor/inference.py — инференс + postprocess_segmentation()
+src/augmentor/io_utils.py  — I/O, SafeTensors, палитра 17 классов
+src/augmentor/dataset.py   — discovery, filtering (DB/query/drone/satellite)
+src/conf/                  — gin-configurable dataclasses
+src/nn/                    — вендорированные DA3 + SegEarth-OV3
+scripts/seg_classes.py     — UNIFIED_PROMPTS (17 классов, единый источник)
+scripts/run_*.py           — скрипты запуска для каждого датасета
+in/config_files/           — gin-конфиги
+docs/                      — документация
 ```
 
 ## Конфигурация
 
 Все параметры через gin. CLI override: `--gin "PipelineConfig.source = 'db'"`.
 
-Для нового датасета — создать скрипт в `scripts/` (пример: `run_uav_visloc.py`), не новый gin-файл.
+Для нового датасета — создать скрипт в `scripts/` (пример: `run_gta_uav.py`).
+
+Ключевые флаги pipeline:
+- `seg_fix_dark_water=True` — автоматически исправлять тёмную воду (по умолчанию вкл.)
+- `seg_reclassify_wetland=False` — переклассификация wetland в vegetation/bare soil (вкл. для GTA-UAV)
 
 ## Что НЕ делать
 
-- Не добавлять классы сегментации в `segmentation.gin` для конкретного датасета — использовать `scripts/seg_classes.py` (единый набор 17 классов для transfer learning).
+- Не менять порядок/ID классов в `scripts/seg_classes.py` — все датасеты зависят от фиксированных ID.
 - 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.