feat: 未分类样本的无监督聚类（多 stage 特征 + KMeans，可选 SimCLR）

把 data/film 下所有图片拉平做聚类，不使用任何目录名，簇数由 num_clusters 决定。

预处理针对该批数据的实际情况（14.5k 张已裁好的缺陷小图，中位 152x113，
宽高比 0.24~39.9）：尺寸与亮度都是 ROI 裁剪和光照的产物、不是缺陷属性，
因此拉伸到 128x128（不用 letterbox，其填充比例等价于编码了宽高比）并逐图 z-score。

- cluster: torch 实现的 kmeans++/Lloyd（含空簇处理与 n_init）、PCA、轮廓系数、
  NMI 稳定性、多 stage 特征提取；不引 scikit-learn
- 白化默认关闭：CNN 特征谱极陡（λ1/λ32≈165x），白化会把噪声方向抬到与信号同权，
  实测最大簇一度吃掉 96% 的样本
- simclr: NT-Xent 自监督预训练，用项目自己的卷积骨架，权重可直接初始化 DefectNet；
  属于训练，走 require_cuda() 守卫
- 产出 assignments.csv、summary.json、按簇的软链目录与代表样本拼图，供人工核对

全量 14,579 张：轮廓系数 0.326、换种子稳定性 0.964，CPU 约 100 秒。

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

datasets/unlabeled.py

@@ -0,0 +1,123 @@
+"""无标注图像数据集，用于无监督聚类。
+
+递归扫描一个目录下的所有图片，不需要任何标注。
+
+样本还会带出形状特征（宽、高、宽高比、面积的对数），但**默认不参与聚类**：
+这些尺寸是上游 ROI 裁剪的产物，不是缺陷本身的属性，拿它做特征只会让聚类
+去区分采集方式。保留它只是为了写进 assignments.csv 供人工核对、以及做对照实验。
+"""
+
+from __future__ import annotations
+
+import math
+from collections.abc import Mapping, Sequence
+from pathlib import Path
+from typing import Any
+
+import torch
+from PIL import Image
+from torch.utils.data import Dataset
+
+from datasets.registry import DATASETS
+from datasets.transforms import build_transforms
+from datasets.yolo import IMAGE_SUFFIXES
+
+SHAPE_FEATURE_DIM = 4
+
+
+def shape_features(width: int, height: int) -> torch.Tensor:
+    """[log 宽, log 高, log 宽高比, log 面积]，取对数是因为尺寸跨了两个数量级。"""
+    return torch.tensor(
+        [
+            math.log(width),
+            math.log(height),
+            math.log(width / height),
+            math.log(width * height),
+        ],
+        dtype=torch.float32,
+    )
+
+
+@DATASETS.register("unlabeled")
+class UnlabeledImageDataset(Dataset):
+    """Args:
+    root: 图片根目录，递归扫描。
+    transforms: transform 配置列表；聚类默认用 Letterbox + ToTensor + Normalize。
+    gray: 是否转单通道（RGBA / 调色板图会先统一到 RGB 或 L）。
+    views: 每个样本返回几个增强视图。1 = 推理取特征；2 = SimCLR 对比学习。
+    view_transforms: `views > 1` 时每个视图各自过一遍的随机增强。
+    exclude: 需要跳过的目录名（默认跳过已划分好的 images/labels 与临时目录）。
+    """
+
+    def __init__(
+        self,
+        root: str | Path,
+        transforms: Sequence[Mapping[str, Any]] = (),
+        gray: bool = False,
+        views: int = 1,
+        view_transforms: Sequence[Mapping[str, Any]] = (),
+        exclude: Sequence[str] = (),
+    ) -> None:
+        self.root = Path(root)
+        if not self.root.is_dir():
+            raise FileNotFoundError(f"目录不存在: {self.root}")
+        self.gray = gray
+        self.views = int(views)
+        self.transforms = build_transforms(transforms)
+        self.view_transforms = build_transforms(view_transforms) if view_transforms else None
+        self.exclude = set(exclude)
+
+        self.images = sorted(
+            path
+            for path in self.root.rglob("*")
+            if path.suffix.lower() in IMAGE_SUFFIXES
+            and not path.name.startswith(".")
+            and not self.exclude & set(path.relative_to(self.root).parts)
+        )
+        if not self.images:
+            raise FileNotFoundError(f"{self.root} 下没有找到图片")
+
+    def source_dir(self, path: Path) -> str:
+        """图片相对 root 的父目录，用来和聚类结果做交叉表（人工已分好的部分即是弱标签）。"""
+        relative = path.relative_to(self.root).parent
+        return str(relative) if str(relative) != "." else "(root)"
+
+    def __len__(self) -> int:
+        return len(self.images)
+
+    def __getitem__(self, index: int) -> dict:
+        path = self.images[index]
+        with Image.open(path) as raw:
+            image = raw.convert("L" if self.gray else "RGB")  # RGBA / P 一并统一掉
+        width, height = image.size
+
+        if self.views == 1:
+            views = [self.transforms({"image": image.copy()})["image"]]
+        else:
+            views = []
+            for _ in range(self.views):
+                sample = {"image": image.copy()}
+                if self.view_transforms is not None:
+                    sample = self.view_transforms(sample)
+                views.append(self.transforms(sample)["image"])
+
+        return {
+            "views": views,
+            "shape": shape_features(width, height),
+            "meta": {
+                "path": str(path),
+                "index": index,
+                "source_dir": self.source_dir(path),
+                "size": (width, height),
+            },
+        }
+
+
+def unlabeled_collate(batch: list[dict]) -> dict:
+    """把每个视图各自堆成一个 batch：views[i] 形状 (B, C, H, W)。"""
+    num_views = len(batch[0]["views"])
+    return {
+        "views": [torch.stack([item["views"][i] for item in batch]) for i in range(num_views)],
+        "shape": torch.stack([item["shape"] for item in batch]),
+        "meta": [item["meta"] for item in batch],
+    }