# Una imagen puede convertirse en dos ID de imagen COCO

En una conversión controlada con Label Studio SDK 2.1.2, dos juicios válidos de cuadros para una tarea y una imagen local generaron dos ID de imagen COCO. Ambas filas de imagen tenían exactamente la misma ruta de archivo. Cada cuadro hacía referencia a un ID de imagen generado diferente. El índice Python de COCO de la versión fijada enumeró después ambos ID por separado. Con `LABEL_STUDIO_FORCE_ANNOTATOR_EXPORT` sin definir en este caso de prueba, las filas de cuadros incluían ID de anotación generados y omitían los ID originales de los juicios y de sus autores. [Filas de imagen del convertidor](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L767-L830) · [Filas de cuadros](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L885-L936) · [Índice COCO](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L89-L117) · [ID de imagen sin filtrar](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L177-L196)

| Origen de una imagen | Resultado COCO | Índice COCO sin filtrar |
| --- | --- | --- |
| Dos juicios discrepantes | Dos filas para la misma ruta, con el resultado B en el ID 0 y A en el ID 1 | ID 0 y 1 |
| Dos juicios coincidentes | Dos filas para la misma ruta, con el resultado A en ambos ID | ID 0 y 1 |
| Un juicio seleccionado | Una fila para la ruta, con el resultado A en el ID 0 | ID 0 |

El convertidor emite un elemento por cada juicio que cumple los requisitos. En la rama probada, asigna un ID de imagen y añade una nueva entrada de imagen por cada elemento. Tanto los juicios coincidentes como los discrepantes produjeron dos ID. El [caso de prueba YOLO asociado](https://sapien1.com/es/research/annotation-export-yolo-coco/README.md) envía dos juicios discrepantes para una imagen a una sola ruta de salida, donde la escritura correcta del juicio más antiguo reemplaza la del más reciente. Cuenta las rutas de imagen distintas entregadas y comprueba la correspondencia entre los juicios de origen y las imágenes cuando se espera que un conjunto de datos contenga una fila por cada imagen subyacente. Los ID numéricos únicos, por sí solos, no verifican esa propiedad. La puntuación de una evaluación depende de cómo use los ID quien la ejecuta; aquí no se midió ninguna puntuación. [Proyección compartida de anotaciones](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L653)

Ejecuta `python3 -B check-coco-identity.py | cmp - coco-identity-observations.json` con la comprobación de fallos de la canalización activada. El [comprobador](https://sapien1.com/research/annotation-export-yolo-coco/check-coco-identity.py), SHA-256 `fb6f5a0eb3b8f269576353203f40e81b46515e55182f9b377b45ba34e4925d82`, utiliza exactamente la proyección de anotaciones, la geometría de rectángulos y el generador de COCO del SDK de la versión fijada, así como el índice y la consulta de ID exactos del código fuente Python de COCO de la versión fijada. Un sustituto local para el tamaño de imagen proporciona 100 por 100 para una imagen ficticia fija. El registro compara la ruta completa de la imagen de origen antes de normalizarla a un nombre de archivo estable. Dos ejecuciones locales y una reproducción independiente coincidieron byte por byte en los tres casos. [Observaciones guardadas](https://sapien1.com/research/annotation-export-yolo-coco/coco-identity-observations.json), SHA-256 `bb4b13aae5a7c471507f1ebcdb9cac2dcd7c2fe62f232489b0a00078ec12e222`.

Un informe anterior documenta el efecto del juicio más antiguo en YOLO. La búsqueda sobre COCO encontró informes relacionados sobre resultados vacíos ambiguos y anotaciones adicionales procedentes de máscaras de pincel desvinculadas. Esta prueba piloto comprueba los ID de imagen para varios juicios de una misma imagen. Utiliza código público del SDK con licencia Apache-2.0 y de COCO con licencia BSD, de versiones fijadas y obtenido en tiempo de ejecución, e incluye código propio y resultados ficticios. La aplicación instalada, la decodificación de archivos multimedia, el entrenamiento de modelos y la evaluación quedan fuera del caso de prueba. [Informe anterior sobre YOLO](https://github.com/HumanSignal/label-studio/issues/5421) · [Incidencia de COCO vacío](https://github.com/HumanSignal/label-studio/issues/9774) · [Incidencia de máscaras de pincel](https://github.com/HumanSignal/label-studio/issues/7737) · [Licencia del SDK](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE) · [Licencia de COCO](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/license.txt)

Para ejecutar el comprobador de COCO, guarda el [comprobador de YOLO (check.py)](https://sapien1.com/research/annotation-export-yolo-coco/check.py) en el mismo directorio. Para reproducir el estudio complementario, compara su salida con las [observaciones de YOLO (JSON)](https://sapien1.com/research/annotation-export-yolo-coco/observations.json).
