chore: 数据迁到 data/raw/ 后同步所有路径引用

原始数据从 data/<数据集> 移到了 data/raw/<数据集>。

- 聚类配置的 dataset.root：film / pearlescent 均改为 data/raw/ 下
- 检测配置的 img_dir 与 label_dir 注释同步
- README、data/README、算法文档、流程图（含重新渲染的 PNG）与各脚本
  docstring 里的路径示例一并更新
- data/README 补充目录约定：原始数据只读放 data/raw/，
  export_clusters.py 的派生数据集放在 data/ 下与 raw/ 平级
- 顺手把 unlabeled 数据集加进 datasets/__init__.py：此前它没在包初始化时注册，
  build_dataset({"name": "unlabeled"}) 只有在别处先 import 过该模块时才可用

迁移后重跑全量聚类，结果与迁移前逐项一致（轮廓 0.3255、稳定性 0.9641、
簇大小 [4507, 3795, 4849, 1428]）。

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

configs/cluster/film.yaml

@@ -1,6 +1,6 @@
 # 未分类样本的无监督聚类。
 #
-# 预处理决策（针对 data/film 的实际情况：14.5k 张已裁好的缺陷小图，
+# 预处理决策（针对 data/raw/film 的实际情况：14.5k 张已裁好的缺陷小图，
 # 中位尺寸 152x113，宽高比 0.24~39.9，尺寸几乎每张都不同）：
 #
 #   前提：图片的尺寸和宽高比是上游 ROI 裁剪环节的产物，不是缺陷属性。
@@ -63,7 +63,7 @@ fit_max_samples: 0
 
 dataset:
   name: unlabeled
-  root: data/film
+  root: data/raw/film
   gray: false
   exclude: [images, labels]      # 跳过已经整理成 YOLO 结构的部分
   transforms:

configs/cluster/film_simclr_resnet18.yaml

@@ -1,7 +1,7 @@
 # 用 resnet18 做域内自监督（SimCLR）再聚类。
 #
 # 与默认配置的区别只有骨架：configs/cluster/film.yaml 的 method=pretrained 用的也是
-# resnet18，但那是 ImageNet 权重、不训练；这里是在 data/film 上自监督训练它。
+# resnet18，但那是 ImageNet 权重、不训练；这里是在 data/raw/film 上自监督训练它。
 #
 # 用法：
 #   uv run python scripts/cluster_unlabeled.py --config configs/cluster/film_simclr_resnet18.yaml \

configs/cluster/pearlescent.yaml

@@ -1,6 +1,6 @@
 # 未分类样本的无监督聚类。
 #
-# 预处理决策（针对 data/film 的实际情况：14.5k 张已裁好的缺陷小图，
+# 预处理决策（针对 data/raw/film 的实际情况：14.5k 张已裁好的缺陷小图，
 # 中位尺寸 152x113，宽高比 0.24~39.9，尺寸几乎每张都不同）：
 #
 #   前提：图片的尺寸和宽高比是上游 ROI 裁剪环节的产物，不是缺陷属性。
@@ -63,7 +63,7 @@ fit_max_samples: 0
 
 dataset:
   name: unlabeled
-  root: data/pearlescent
+  root: data/raw/pearlescent
   gray: false
   exclude: [images, labels]      # 跳过已经整理成 YOLO 结构的部分
   transforms: