# एक इमेज दो COCO इमेज ID बन सकती है

Label Studio SDK 2.1.2 के एक नियंत्रित कन्वर्ज़न में, एक टास्क और एक लोकल इमेज के दो मान्य बॉक्स निर्णयों से दो COCO इमेज ID बनीं. दोनों इमेज पंक्तियों में बिल्कुल एक ही फ़ाइल पाथ था. हर बॉक्स ने अलग जनरेट की गई इमेज ID का संदर्भ दिया. इसके बाद पिन किए गए COCO Python इंडेक्स ने दोनों ID को अलग-अलग सूचीबद्ध किया. इस फ़िक्चर में `LABEL_STUDIO_FORCE_ANNOTATOR_EXPORT` अनसेट होने पर, बॉक्स पंक्तियों में जनरेट की गई एनोटेशन ID थीं और मूल निर्णय और अभिनेता की ID शामिल नहीं थीं. [कन्वर्टर की इमेज पंक्तियां](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L767-L830) · [बॉक्स पंक्तियां](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L885-L936) · [COCO इंडेक्स](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L89-L117) · [बिना फ़िल्टर की गई इमेज ID](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L177-L196)

| एक इमेज का स्रोत | COCO परिणाम | बिना फ़िल्टर किया गया COCO इंडेक्स |
| --- | --- | --- |
| दो असहमत निर्णय | एक ही पाथ की दो पंक्तियां, ID 0 पर परिणाम B और ID 1 पर A | ID 0 और 1 |
| दो सहमत निर्णय | एक ही पाथ की दो पंक्तियां, दोनों ID पर परिणाम A | ID 0 और 1 |
| एक चुना गया निर्णय | पाथ की एक पंक्ति, ID 0 पर परिणाम A | ID 0 |

कन्वर्टर हर पात्र निर्णय के लिए एक आइटम देता है. परीक्षण की गई ब्रांच में वह हर आइटम के लिए एक इमेज ID आवंटित करता है और नई इमेज एंट्री जोड़ता है. सहमति और असहमति, दोनों से दो ID बनीं. [संबद्ध YOLO फ़िक्चर](https://sapien1.com/hi/research/annotation-export-yolo-coco/README.md) एक इमेज के दो असहमत निर्णयों को एक ही आउटपुट पाथ पर भेजता है, जहां सफल पुरानी राइट नई राइट को बदल देती है. जब डेटासेट में हर मूल इमेज के लिए एक पंक्ति होनी चाहिए, तो डिलीवर किए गए अलग-अलग इमेज पाथ गिनें और स्रोत निर्णयों की इमेज से मैपिंग जांचें. केवल अलग-अलग संख्यात्मक ID से यह बात सत्यापित नहीं होती. किसी मूल्यांकन का स्कोर इस पर निर्भर करता है कि उसे कॉल करने वाला ID का उपयोग कैसे करता है, और यहां कोई स्कोर नहीं मापा गया. [साझा एनोटेशन प्रोजेक्शन](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L653)

पाइपलाइन की विफलता जांच के साथ `python3 -B check-coco-identity.py | cmp - coco-identity-observations.json` चलाएं. [चेकर](https://sapien1.com/research/annotation-export-yolo-coco/check-coco-identity.py), SHA-256 `fb6f5a0eb3b8f269576353203f40e81b46515e55182f9b377b45ba34e4925d82`, पिन किए गए SDK से ठीक वही एनोटेशन प्रोजेक्शन, आयत की ज्यामिति और COCO राइटर और पिन किए गए COCO Python स्रोत से ठीक वही इंडेक्स और ID क्वेरी उपयोग करता है. इमेज के आकार का एक लोकल विकल्प एक तय काल्पनिक इमेज के लिए 100 गुणा 100 देता है. रिकॉर्ड पूरे स्रोत इमेज पाथ की तुलना करने के बाद उसे एक स्थिर बेसनेम में बदलता है. दो लोकल रन और एक स्वतंत्र रीप्ले में तीनों मामलों के परिणाम बाइट दर बाइट मेल खाए. [सहेजे गए अवलोकन](https://sapien1.com/research/annotation-export-yolo-coco/coco-identity-observations.json), SHA-256 `bb4b13aae5a7c471507f1ebcdb9cac2dcd7c2fe62f232489b0a00078ec12e222`.

एक पिछली रिपोर्ट YOLO में पुराने निर्णय के प्रभाव को दर्ज करती है. COCO की खोज में अस्पष्ट खाली परिणामों और अलग हो चुके ब्रश मास्क से अतिरिक्त एनोटेशन की संबंधित रिपोर्ट मिलीं. यह पायलट एक इमेज के कई निर्णयों के लिए इमेज ID जांचता है. इसमें रनटाइम पर फ़ेच किए गए सार्वजनिक, पिन किए गए Apache-2.0 SDK और BSD लाइसेंस वाले COCO कोड का उपयोग होता है और इसके साथ अपना कोड और काल्पनिक परिणाम दिए जाते हैं. इंस्टॉल किया गया ऐप, मीडिया डिकोडिंग, मॉडल ट्रेनिंग और मूल्यांकन फ़िक्चर के दायरे से बाहर हैं. [पिछली YOLO रिपोर्ट](https://github.com/HumanSignal/label-studio/issues/5421) · [खाली COCO परिणाम की समस्या](https://github.com/HumanSignal/label-studio/issues/9774) · [ब्रश मास्क की समस्या](https://github.com/HumanSignal/label-studio/issues/7737) · [SDK लाइसेंस](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE) · [COCO लाइसेंस](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/license.txt)

COCO चेकर चलाने के लिए, [YOLO चेकर (check.py)](https://sapien1.com/research/annotation-export-yolo-coco/check.py) को उसी डायरेक्टरी में सहेजें. साथ वाले अध्ययन को दोहराने के लिए, उसके आउटपुट की तुलना [YOLO अवलोकनों (JSON)](https://sapien1.com/research/annotation-export-yolo-coco/observations.json) से करें.
