# Una sola immagine può generare due ID immagine COCO

In una conversione controllata con Label Studio SDK 2.1.2, due valutazioni valide con riquadri per una sola attività e un’immagine locale hanno generato due ID immagine COCO. Entrambe le righe immagine riportavano esattamente lo stesso percorso del file. Ogni riquadro faceva riferimento a un ID immagine generato diverso. L’indice Python COCO della versione fissata elencava poi entrambi gli ID separatamente. Con `LABEL_STUDIO_FORCE_ANNOTATOR_EXPORT` non impostata in questo scenario di test, le righe dei riquadri contenevano ID di annotazione generati e omettevano gli ID originali delle valutazioni e degli autori. [Righe immagine del convertitore](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L767-L830) · [Righe dei riquadri](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L885-L936) · [Indice COCO](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L89-L117) · [ID immagine senza filtri](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L177-L196)

| Fonte per una sola immagine | Risultato COCO | Indice COCO senza filtri |
| --- | --- | --- |
| Due valutazioni discordanti | Due righe per lo stesso percorso, con il risultato B sull’ID 0 e A sull’ID 1 | ID 0 e 1 |
| Due valutazioni concordanti | Due righe per lo stesso percorso, con il risultato A su entrambi gli ID | ID 0 e 1 |
| Una valutazione selezionata | Una riga per il percorso, con il risultato A sull’ID 0 | ID 0 |

Il convertitore emette un elemento per ogni valutazione idonea. Nel ramo testato, assegna un ID immagine e aggiunge una nuova voce immagine per ogni elemento. Sia le valutazioni concordanti sia quelle discordanti hanno prodotto due ID. Lo [scenario di test YOLO abbinato](https://sapien1.com/it/research/annotation-export-yolo-coco/README.md) invia due valutazioni discordanti per una sola immagine a un unico percorso di output, dove la scrittura riuscita della valutazione precedente sostituisce quella più recente. Quando un dataset deve contenere una riga per ogni immagine originale, conta i percorsi immagine distinti nei dati consegnati e controlla la corrispondenza tra valutazioni e immagini alla fonte. I soli ID numerici univoci non verificano questa proprietà. Il punteggio di una valutazione dipende da come chi la esegue usa gli ID; qui non è stato misurato alcun punteggio. [Proiezione condivisa delle annotazioni](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L653)

Esegui `python3 -B check-coco-identity.py | cmp - coco-identity-observations.json` abilitando il controllo degli errori nella pipeline. Lo [script di verifica](https://sapien1.com/research/annotation-export-yolo-coco/check-coco-identity.py), SHA-256 `fb6f5a0eb3b8f269576353203f40e81b46515e55182f9b377b45ba34e4925d82`, usa esattamente la proiezione delle annotazioni, la geometria dei rettangoli e il componente di scrittura COCO dell’SDK nella versione fissata, oltre all’indice e alla query degli ID esatti del codice sorgente Python COCO nella versione fissata. Un sostituto locale per le dimensioni dell’immagine restituisce 100 per 100 per un’immagine fittizia predefinita. Il resoconto confronta il percorso completo dell’immagine sorgente prima di normalizzarlo a un nome file stabile. Due esecuzioni locali e una riproduzione indipendente hanno dato risultati identici byte per byte in tutti e tre i casi. [Osservazioni salvate](https://sapien1.com/research/annotation-export-yolo-coco/coco-identity-observations.json), SHA-256 `bb4b13aae5a7c471507f1ebcdb9cac2dcd7c2fe62f232489b0a00078ec12e222`.

Un rapporto precedente documenta l’effetto della valutazione precedente in YOLO. La ricerca su COCO ha individuato segnalazioni correlate su risultati vuoti ambigui e annotazioni aggiuntive dovute a maschere a pennello scollegate. Questo studio pilota verifica gli ID immagine in presenza di più valutazioni della stessa immagine. Usa codice pubblico dell’SDK con licenza Apache-2.0 e codice COCO con licenza BSD, entrambi in versioni fissate e scaricati durante l’esecuzione, e include codice proprio e risultati inventati. L’app installata, la decodifica dei contenuti multimediali, l’addestramento del modello e la valutazione restano fuori dallo scenario di test. [Rapporto precedente su YOLO](https://github.com/HumanSignal/label-studio/issues/5421) · [Problema dei risultati COCO vuoti](https://github.com/HumanSignal/label-studio/issues/9774) · [Problema delle maschere a pennello](https://github.com/HumanSignal/label-studio/issues/7737) · [Licenza SDK](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE) · [Licenza COCO](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/license.txt)

Per eseguire lo script di verifica COCO, salva lo [script di verifica YOLO (check.py)](https://sapien1.com/research/annotation-export-yolo-coco/check.py) nella stessa directory. Per riprodurre lo studio associato, confronta il suo output con le [osservazioni YOLO (JSON)](https://sapien1.com/research/annotation-export-yolo-coco/observations.json).
