feat(detect): 训练期的验证也约束预测框互不重叠

ultralytics 没有可用的开关：yolo26 是端到端模型，non_max_suppression 对它早退
（utils/nms.py 里 end2end 分支），只按置信度与 max_det 截断，传入的 iou 和 agnostic
都不参与 IoU 抑制；agnostic_nms 只作用于检测头 top-k（每个 anchor 取一个类别），
压不掉不同 anchor 产生的重叠框。

所以给 DetectionValidator.postprocess 包一层 filter_overlapping_outputs。训练期验证、
早停、best.pt 的选择都随之遵守这条约束，指标与最终推理一致。配置项 train.max_overlap
（默认 0，负数关闭），由 detect.py 摘出后自行实现，不传给 ultralytics。

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

configs/detect/film.yaml

@@ -48,6 +48,13 @@ train:
   hsv_s: 0.3
   hsv_v: 0.3
 
+  # 真值里一处缺陷只有一个框、零重叠（实测 11211 张图、151 张多框图，重叠为 0），
+  # 所以验证时也把预测约束成互不重叠：早停与 best.pt 的选择才和最终推理一致。
+  # 负数=不约束。注意这不是 ultralytics 的参数，由 detect.py 自己实现。
+  max_overlap: 0.0
+  # 端到端头的 top-k 每个 anchor 只取一个类别，压掉同一处缺陷被两个类别各框一次
+  agnostic_nms: true
+
   plots: true           # results.png / PR 曲线 / 混淆矩阵 / val_batch 预测图
   save_period: -1