docs: 无监督聚类的数学说明、mermaid 图与 README

- docs/unsupervised-clustering.md: 逐图标准化对仿射光照群的不变性证明、
  多 stage 特征的取舍、PCA 白化失效的谱分析、KMeans 收敛性与 kmeans++ 近似比、
  轮廓系数与 NMI 稳定性的定义、NT-Xent 与 InfoNCE 下界，附全部消融数据与代码对照表
- figures/: 四张 mermaid 图（流水线、KMeans 控制流、SimCLR、主成分谱），
  含 .mmd 源、.md 预览与渲染好的 .png
- README: 数据准备、训练评估、多类/单类、SwanLab、Profiler、聚类与自监督的运行说明

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

data/README.md

@@ -0,0 +1,66 @@
+# data
+
+存放数据集本体或指向数据集的软链接；除本文件外的内容都不入库（见 .gitignore）。
+
+标注采用 **YOLO 风格**：`images/` 下每张图在同层 `labels/` 里有一个同名 `.txt`。
+
+```
+data/
+└── film/
+    ├── images/                 # 原图（或指向 NAS 的软链：ln -s /mnt/nas/film/images data/film/images）
+    │   ├── train/0001.png
+    │   └── val/0002.png
+    ├── labels/                 # 与 images 目录结构一一对应
+    │   ├── train/0001.txt
+    │   └── val/0002.txt
+    └── data.yaml               # path / train / val / nc / names
+```
+
+标注文件每行一个目标，坐标**相对图像宽高归一化**到 [0, 1]，中心点格式：
+
+```
+<class_id> <cx> <cy> <w> <h>
+0 0.312500 0.204688 0.087500 0.065625
+1 0.640625 0.712500 0.120000 0.093750
+```
+
+- `class_id` 是 `data.yaml` / 配置里 `classes` 的下标，顺序即含义，改动必须重新训练。
+- **空文件或缺失 `.txt` = 无缺陷样本（OK 片）**，会作为纯负样本参与训练。
+- 也接受 YOLO 分割格式的多边形行（`class_id x1 y1 x2 y2 ...`），读取时取外接矩形。
+
+`data.yaml` 与 ultralytics 通用：
+
+```yaml
+path: data/film
+train: images/train
+val: images/val
+nc: 5
+names: {0: scratch, 1: bubble, 2: particle, 3: crease, 4: stain}
+```
+
+配置里的 `classes` 既可以直接写类别列表，也可以写成 `data/film/data.yaml` 由框架读取 `names`。
+
+## 还没分类的样本
+
+`data/film` 下按人工整理留下的目录（`grease`、`wrinkle`、`反面纵黑点` ……）只是历史产物，
+不是最终类别。要重新梳理类别时用无监督聚类，它会忽略这些目录名、把所有图拉平处理：
+
+```bash
+uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml
+```
+
+结果里的 `clusters/cluster_XX/` 是软链目录，人工确认后再决定每个簇对应什么缺陷、
+以及是否要合并/拆分。
+
+## 从其它格式转过来
+
+```bash
+# labelme / VOC -> YOLO txt（顺带生成 data.yaml）
+uv run python scripts/convert_annotations.py --format labelme \
+    --input data/film/labelme --images data/film/images \
+    --output data/film/labels --data-yaml data/film/data.yaml
+
+# 划分 train / val（默认建软链，不复制数据）
+uv run python scripts/split_dataset.py --images data/film/images \
+    --labels data/film/labels --val-ratio 0.2 --data-yaml data/film/data.yaml
+```