# Ein Bild kann zwei COCO-Bild-IDs erhalten

Bei einer kontrollierten Konvertierung mit Label Studio SDK 2.1.2 erzeugten zwei gültige Box-Bewertungen für eine Aufgabe und ein lokales Bild zwei COCO-Bild-IDs. Beide Bildzeilen enthielten exakt denselben Dateipfad. Jede Box verwies auf eine andere erzeugte Bild-ID. Der auf eine feste Version gesetzte COCO-Python-Index führte anschließend beide IDs separat auf. Da `LABEL_STUDIO_FORCE_ANNOTATOR_EXPORT` in dieser Testkonfiguration nicht gesetzt war, enthielten die Box-Zeilen erzeugte Annotations-IDs und ließen die ursprünglichen Bewertungs- und Akteurs-IDs weg. [Bildzeilen des Konverters](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L767-L830) · [Box-Zeilen](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L885-L936) · [COCO-Index](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L89-L117) · [Ungefilterte Bild-IDs](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L177-L196)

| Quelle für ein Bild | COCO-Ergebnis | Ungefilterter COCO-Index |
| --- | --- | --- |
| Zwei abweichende Bewertungen | Zwei Zeilen für denselben Pfad, mit Ergebnis B bei ID 0 und A bei ID 1 | IDs 0 und 1 |
| Zwei übereinstimmende Bewertungen | Zwei Zeilen für denselben Pfad, mit Ergebnis A bei beiden IDs | IDs 0 und 1 |
| Eine ausgewählte Bewertung | Eine Zeile für den Pfad, mit Ergebnis A bei ID 0 | ID 0 |

Der Konverter gibt pro geeigneter Bewertung ein Element aus. Im getesteten Zweig vergibt er für jedes Element eine Bild-ID und fügt einen neuen Bildeintrag hinzu. Sowohl übereinstimmende als auch abweichende Bewertungen ergaben zwei IDs. Die [zugehörige YOLO-Testkonfiguration](https://sapien1.com/de/research/annotation-export-yolo-coco/README.md) schreibt zwei abweichende Bewertungen für ein Bild an denselben Ausgabepfad. Dabei ersetzt der erfolgreiche ältere Schreibvorgang den neueren. Zähle die unterschiedlichen gelieferten Bildpfade und prüfe die Zuordnung der Quellbewertungen zu den Bildern, wenn ein Datensatz pro zugrunde liegendem Bild eine Zeile enthalten soll. Eindeutige numerische IDs allein bestätigen diese Eigenschaft nicht. Der Wert einer Evaluation hängt davon ab, wie der aufrufende Code die IDs verwendet; hier wurde kein Wert gemessen. [Gemeinsame Annotationsprojektion](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L653)

Führe `python3 -B check-coco-identity.py | cmp - coco-identity-observations.json` mit Prüfung auf Pipeline-Fehler aus. Der [Checker](https://sapien1.com/research/annotation-export-yolo-coco/check-coco-identity.py) mit SHA-256 `fb6f5a0eb3b8f269576353203f40e81b46515e55182f9b377b45ba34e4925d82` verwendet exakt die Annotationsprojektion, Rechteckgeometrie und COCO-Schreibroutine aus dem auf eine feste Version gesetzten SDK sowie exakt den Index und die ID-Abfrage aus dem auf eine feste Version gesetzten COCO-Python-Quellcode. Ein lokaler Ersatz für die Bildgrößenbestimmung liefert 100 mal 100 für ein festgelegtes fiktives Bild. Das Prüfprotokoll vergleicht den vollständigen Pfad des Quellbilds, bevor es ihn auf einen stabilen Basisdateinamen normalisiert. Zwei lokale Durchläufe und eine unabhängige Wiederholung stimmten in allen drei Fällen Byte für Byte überein. [Gespeicherte Beobachtungen](https://sapien1.com/research/annotation-export-yolo-coco/coco-identity-observations.json), SHA-256 `bb4b13aae5a7c471507f1ebcdb9cac2dcd7c2fe62f232489b0a00078ec12e222`.

Ein früherer Bericht dokumentiert den Effekt der älteren Bewertung in YOLO. Die COCO-Recherche ergab verwandte Berichte über uneindeutige leere Ergebnisse und zusätzliche Annotationen durch losgelöste Pinselmasken. Diese Pilotstudie prüft Bild-IDs bei mehreren Bewertungen eines Bildes. Sie verwendet öffentlichen SDK-Code unter Apache 2.0 und COCO-Code unter BSD-Lizenz, jeweils in einer festen Version und zur Laufzeit abgerufen. Sie liefert eigenen Code und erfundene Ergebnisse mit. Die installierte App, Mediendekodierung, Modelltraining und Evaluation liegen außerhalb der Testkonfiguration. [Früherer YOLO-Bericht](https://github.com/HumanSignal/label-studio/issues/5421) · [COCO-Issue zu leeren Ergebnissen](https://github.com/HumanSignal/label-studio/issues/9774) · [Issue zu Pinselmasken](https://github.com/HumanSignal/label-studio/issues/7737) · [SDK-Lizenz](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE) · [COCO-Lizenz](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/license.txt)

Um den COCO-Checker auszuführen, speichere den [YOLO-Checker (check.py)](https://sapien1.com/research/annotation-export-yolo-coco/check.py) im selben Verzeichnis. Um die Begleitstudie zu reproduzieren, vergleiche seine Ausgabe mit den [YOLO-Beobachtungen (JSON)](https://sapien1.com/research/annotation-export-yolo-coco/observations.json).
