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>

utils/__init__.py

@@ -10,7 +10,6 @@ from utils.device import (
     resolve_amp,
     resolve_device,
 )
-from utils.labels import LABEL_MODES, MULTICLASS, MULTILABEL, check_label_mode
 from utils.logging import get_logger, setup_logging
 from utils.registry import Registry
 from utils.seed import seed_everything
@@ -25,10 +24,6 @@ __all__ = [
     "memory_stats",
     "PeakMemory",
     "DeviceNotAvailableError",
-    "LABEL_MODES",
-    "MULTILABEL",
-    "MULTICLASS",
-    "check_label_mode",
     "get_logger",
     "setup_logging",
     "Registry",

utils/labels.py

@@ -1,13 +0,0 @@
-"""图像级标签形式的共用定义（模型与数据集都要用到，放这里避免互相 import）。"""
-
-from __future__ import annotations
-
-MULTILABEL = "multilabel"
-MULTICLASS = "multiclass"
-LABEL_MODES = (MULTILABEL, MULTICLASS)
-
-
-def check_label_mode(label_mode: str) -> str:
-    if label_mode not in LABEL_MODES:
-        raise ValueError(f"未知 label_mode: {label_mode}，可选 {LABEL_MODES}")
-    return label_mode