refactor: 按实际的五步工作流裁掉无关代码

实际工作流是：simclr 训练 -> 聚类 -> 人工归类 -> 分类训练 -> GradCAM/SHAP 生成
热力图与 box。据此移除不参与其中的检测/定位链路，共 31 个文件、约 2600 行：

- 模型：defect_net、postprocess、necks/、heads/center_head
- 数据：film_defect（YOLO 读取端）、target_encoder
- 引擎：trainer、evaluator、losses
- 入口：train.py、eval.py
- 脚本：convert_annotations、split_dataset、export_onnx、profile_inference
- 配置：configs/{train,eval,model,dataset}
- utils/labels（多类/单类标签模式，仅检测分类头使用）

共享模块按实际用量瘦身：engine/metrics 只留 AverageMeter（检测指标随之移除）；
datasets/yolo 只留写出侧（IMAGE_SUFFIXES 与 write_data_yaml）——第 5 步产出的
YOLO 标签是给外部检测训练用的交换格式，读取端不再需要。

裁剪过程中修掉一个真 bug：generate_boxes 的 --stage 默认 6（layer3）对 tiny_conv
这类非 nn.Sequential 骨架直接抛异常。现在自动退回骨架最终输出并警告，
另加 --stage -1 显式选择最终输出。

五步工作流已端到端实跑验证（simclr 1 轮 -> 聚类 -> 导出 -> 分类 1 轮 ->
gradcam 与 shap 两种方法各生成一遍）。

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

models/__init__.py

@@ -1,22 +1,17 @@
-"""模型骨架：backbone -> neck -> heads。
+"""模型骨架：backbone + head。
 
-约束：部署在实时设备上，只使用基于 convolution 的结构（不含 attention / transformer）。
+按项目约定只用 convolution，不含 attention / transformer。
 """
 
-from models import backbones, heads, necks  # noqa: F401  触发注册
+from models import backbones, heads  # noqa: F401  触发注册
 from models.build import build_model
 from models.classifier import DefectClassifier
-from models.defect_net import DefectNet
-from models.postprocess import decode_heatmap
-from models.registry import BACKBONES, HEADS, MODELS, NECKS
+from models.registry import BACKBONES, HEADS, MODELS
 
 __all__ = [
     "build_model",
-    "DefectNet",
     "DefectClassifier",
-    "decode_heatmap",
     "BACKBONES",
-    "NECKS",
     "HEADS",
     "MODELS",
 ]