# Satu imej boleh menjadi dua ID imej COCO

Dalam penukaran Label Studio SDK 2.1.2 yang terkawal, dua penilaian kotak yang sah untuk satu tugas dan satu imej setempat menghasilkan dua ID imej COCO. Kedua-dua baris imej mengandungi laluan fail yang sama tepat. Setiap kotak merujuk ID imej terjana yang berbeza. Indeks Python COCO yang dipinkan kemudian menyenaraikan kedua-dua ID secara berasingan. Apabila `LABEL_STUDIO_FORCE_ANNOTATOR_EXPORT` tidak ditetapkan dalam lekapan ujian ini, baris kotak mengandungi ID anotasi terjana dan tidak menyertakan ID penilaian serta ID pelaku asal. [Baris imej penukar](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L767-L830) · [Baris kotak](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L885-L936) · [Indeks COCO](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L89-L117) · [ID imej tanpa penapisan](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L177-L196)

| Sumber untuk satu imej | Hasil COCO | Indeks COCO tanpa penapisan |
| --- | --- | --- |
| Dua penilaian yang tidak sependapat | Dua baris untuk laluan yang sama, dengan hasil B pada ID 0 dan A pada ID 1 | ID 0 dan 1 |
| Dua penilaian yang sependapat | Dua baris untuk laluan yang sama, dengan hasil A pada kedua-dua ID | ID 0 dan 1 |
| Satu penilaian dipilih | Satu baris untuk laluan itu, dengan hasil A pada ID 0 | ID 0 |

Penukar menghasilkan satu item bagi setiap penilaian yang layak. Dalam cabang yang diuji, penukar memperuntukkan ID imej dan menambah entri imej baharu untuk setiap item. Penilaian yang sependapat dan yang tidak sependapat masing-masing menghasilkan dua ID. [Lekapan ujian YOLO berpasangan](https://sapien1.com/ms/research/annotation-export-yolo-coco/README.md) menghantar dua penilaian yang tidak sependapat untuk satu imej ke satu laluan output, lalu penulisan penilaian yang lebih lama berjaya menggantikan penulisan penilaian yang lebih baharu. Kira laluan imej berbeza yang diserahkan dan semak pemetaan penilaian sumber kepada imej apabila set data sepatutnya mengandungi satu baris bagi setiap imej asas. ID angka yang unik sahaja tidak mengesahkan sifat itu. Skor penilaian bergantung pada cara pemanggilnya menggunakan ID tersebut, dan tiada skor diukur di sini. [Unjuran anotasi bersama](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L653)

Jalankan `python3 -B check-coco-identity.py | cmp - coco-identity-observations.json` dengan semakan kegagalan saluran paip. [Penyemak](https://sapien1.com/research/annotation-export-yolo-coco/check-coco-identity.py), SHA-256 `fb6f5a0eb3b8f269576353203f40e81b46515e55182f9b377b45ba34e4925d82`, menggunakan unjuran anotasi, geometri segi empat tepat dan penulis COCO yang sama tepat daripada SDK yang dipinkan, serta indeks dan pertanyaan ID yang sama tepat daripada sumber Python COCO yang dipinkan. Pengganti setempat untuk saiz imej membekalkan saiz 100 kali 100 bagi imej fiksyen yang tetap. Resit membandingkan laluan penuh imej sumber sebelum menormalkannya kepada nama asas yang stabil. Dua jalanan setempat dan satu ulangan bebas sepadan bait demi bait bagi ketiga-tiga kes. [Pemerhatian yang disimpan](https://sapien1.com/research/annotation-export-yolo-coco/coco-identity-observations.json), SHA-256 `bb4b13aae5a7c471507f1ebcdb9cac2dcd7c2fe62f232489b0a00078ec12e222`.

Laporan terdahulu mendokumenkan kesan penilaian yang lebih lama dalam YOLO. Carian COCO menemukan laporan berkaitan tentang hasil kosong yang kabur dan anotasi tambahan daripada topeng berus yang terpisah. Kajian rintis ini menyemak ID imej untuk berbilang penilaian bagi satu imej. Kajian ini menggunakan SDK awam berlesen Apache-2.0 dan kod COCO berlesen BSD yang dipinkan serta diambil semasa masa jalan, dan menyertakan kodnya sendiri serta hasil rekaan. Aplikasi yang dipasang, penyahkodan media, latihan model dan penilaian berada di luar skop lekapan ujian ini. [Laporan YOLO terdahulu](https://github.com/HumanSignal/label-studio/issues/5421) · [Isu COCO kosong](https://github.com/HumanSignal/label-studio/issues/9774) · [Isu topeng berus](https://github.com/HumanSignal/label-studio/issues/7737) · [Lesen SDK](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE) · [Lesen COCO](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/license.txt)

Untuk menjalankan penyemak COCO, simpan [penyemak YOLO (check.py)](https://sapien1.com/research/annotation-export-yolo-coco/check.py) dalam direktori yang sama. Untuk menghasilkan semula kajian pasangan, bandingkan outputnya dengan [pemerhatian YOLO (JSON)](https://sapien1.com/research/annotation-export-yolo-coco/observations.json).
