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>

data/README.md

@@ -2,20 +2,27 @@
 
 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`。
+**原始数据一律放在 `data/raw/<数据集名>/` 下**，派生数据（如按聚类结果导出的数据集）
+放在 `data/` 下与 `raw/` 平级，两者一眼可分：
 
 ```
 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
+├── raw/                        # 原始数据，只读
+│   └── film/
+│       ├── images/             # 原图（或指向 NAS 的软链：ln -s /mnt/nas/film/images data/raw/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
+└── film_r18_cluster_k4/        # 派生：scripts/export_clusters.py 的产物
+    ├── 0/ 1/ 2/ 3/
+    └── manifest.json
 ```
 
+标注采用 **YOLO 风格**：`images/` 下每张图在同层 `labels/` 里有一个同名 `.txt`。
+
 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：
 
 ```
@@ -31,18 +38,18 @@ data/
 `data.yaml` 与 ultralytics 通用：
 
 ```yaml
-path: data/film
+path: data/raw/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`。
+配置里的 `classes` 既可以直接写类别列表，也可以写成 `data/raw/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，
+`data/raw/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
@@ -57,10 +64,10 @@ uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml
 ```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
+    --input data/raw/film/labelme --images data/raw/film/images \
+    --output data/raw/film/labels --data-yaml data/raw/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
+uv run python scripts/split_dataset.py --images data/raw/film/images \
+    --labels data/raw/film/labels --val-ratio 0.2 --data-yaml data/raw/film/data.yaml
 ```