feat(boxes): generate_boxes.py 的 --target 默认改为 label

框的类别应该来自人工归类（图片所在目录），分类模型只负责定位。原先默认 predicted，
框的类别取模型 top1 预测，模型分错的图会把错误类别写进标签：boxes_shap 那次预测与
目录一致率 0.9915，约 95 张图的类别因此是错的。

两种取值只在预测与目录不一致的图上有区别，其余图解释的是同一个 logit、框完全相同。
--target predicted 仍保留。

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

tests/test_generate_boxes.py

@@ -162,6 +162,14 @@ def test_full_dataset_by_default_and_subsampling_is_opt_in(project, tmp_path, mo
     assert json.loads((per_class / "summary.json").read_text("utf-8"))["num_images"] == 2
 
 
+def test_target_defaults_to_folder_label(project, tmp_path, monkeypatch):
+    """框的类别默认用人工标注，不让分类模型的错误预测混进标签。"""
+    out = tmp_path / "out_default"
+    assert run(base_argv(project, out, "gradcam"), monkeypatch) == 0
+    summary = json.loads((out / "summary.json").read_text(encoding="utf-8"))
+    assert summary["target"] == "label"
+
+
 def test_target_can_be_prediction_or_folder_label(project, tmp_path, monkeypatch):
     for target in ("predicted", "label"):
         out = tmp_path / f"out_{target}"