Revert "约束预测框互不重叠"（eba533a、9439cbb）

去掉强制非重叠：detect.py 不再给 DetectionValidator.postprocess 打补丁，
配置里移除 train.max_overlap 与 agnostic_nms，可视化脚本恢复为直接使用模型原始输出，
engine/detection 里的 suppress_overlaps / filter_overlapping_outputs 一并移除。

约束会把 mAP50 从 0.555 压到 0.483（precision 0.536->0.612），代价是按置信度抑制时
高分错框会压掉本可命中的低分框。需要时用 git revert 这次提交即可取回。

按类别分目录的可视化产出结构（36fff98）保留。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

detect.py

@@ -6,11 +6,8 @@
         --checkpoint runs/detect/film/weights/best.pt
 
 数据是在 Label Studio 里修正过的标签，导出并划分 train/val 之后放在 data/ 下的数据集。
-框来自 Grad-CAM / SHAP 的弱监督标注再经人工修正。
-
-**预测框约束为互不重叠**（`train.max_overlap`，默认 0）。真值里一处缺陷只有一个框、
-零重叠，模型却会输出重叠框，所以验证阶段补一层抑制——早停与 best.pt 的选择都据此进行，
-指标才和最终推理一致。设为负数可关掉。
+框来自 Grad-CAM / SHAP 的弱监督标注，不是人工标注——指标该按"与热力区域的一致性"
+来读，而不是当成真值上的检测精度。
 """
 
 from __future__ import annotations
@@ -22,7 +19,6 @@ from pathlib import Path
 
 import yaml
 
-from engine.detection import filter_overlapping_outputs
 from utils import load_config, seed_everything, setup_logging
 from utils.device import DeviceNotAvailableError, describe_device, resolve_device
 
@@ -39,23 +35,6 @@ def parse_args() -> argparse.Namespace:
     return parser.parse_args()
 
 
-def install_overlap_suppression(max_overlap: float) -> None:
-    """给验证器的后处理包一层"框不重叠"约束。
-
-    只能用打补丁的方式：ultralytics 没有对应的开关——端到端模型（yolo26）的 NMS 早退，
-    传入的 iou / agnostic_nms 都不参与 IoU 抑制（见 engine/detection.filter_overlapping_outputs
-    的说明）。补在 postprocess 之后，训练期验证、早停、best.pt 的选择就都遵守这条约束。
-    """
-    from ultralytics.models.yolo.detect import DetectionValidator
-
-    original = DetectionValidator.postprocess
-
-    def postprocess(self, preds):
-        return filter_overlapping_outputs(original(self, preds), max_iou=max_overlap)
-
-    DetectionValidator.postprocess = postprocess
-
-
 def to_ultralytics_device(device) -> str | int:
     """torch.device -> ultralytics 的 device 记法（cuda 用序号，其余用字符串）。"""
     if device.type == "cuda":
@@ -100,18 +79,10 @@ def main() -> int:
 
     train_cfg = dict(cfg.get("train", {}))
     swanlab_cfg = dict(train_cfg.pop("swanlab", {}))
-    # 不是 ultralytics 的参数，得先摘出来，否则它会拒绝未知键
-    max_overlap = float(train_cfg.pop("max_overlap", 0.0))
 
     from ultralytics import YOLO
     from ultralytics import settings as ul_settings
 
-    if max_overlap >= 0:
-        install_overlap_suppression(max_overlap)
-        logger.info("验证时约束预测框互不重叠（最大 IoU %.2f）", max_overlap)
-    else:
-        logger.warning("未约束预测框重叠：指标里会计入真值中不可能出现的重叠框")
-
     # ultralytics 默认把数据集根指到 ~/datasets 之类的全局目录；我们的 data.yaml 里写的是
     # 绝对路径，但它仍会拿 datasets_dir 去拼相对路径，统一指到项目根省得踩坑。
     ul_settings.update({"datasets_dir": str(Path.cwd())})