# Welk oordeel blijft behouden bij een YOLO-export uit Label Studio?

Gecontroleerd op 18 november 2026. Toen 2 actieve annotaties met begrenzingskaders voor dezelfde afbeelding bij de YOLO-converter van Label Studio SDK 2.1.2 terechtkwamen, behield de standaardexport de klasse van de oudere annotatie. Het omkeren van de invoerarray met annotaties veranderde het resultaat niet. Het verwisselen van de 2 aanmaaktijden veranderde welke klasse behouden bleef. Het experiment gebruikte 1 fictieve taak, 1 lokaal afbeeldingspad en 2 geldige rechthoeken.

De converter sorteert actieve annotaties op aanmaaktijd van nieuw naar oud en geeft beide door. Voor dezelfde afbeelding maakt de standaard YOLO-schrijver voor beide annotaties hetzelfde labelpad aan. In deze testopstelling wordt de rechthoek van het oudere oordeel als tweede geschreven en vervangt die het eerste bestand. De nieuwere klasse staat nog steeds in `classes.txt`, omdat beide klassen in het projectschema zijn gedeclareerd. De releasetag van Label Studio 1.23.2 schrijft SDK 2.1.2 voor en de algemene YOLO-conversieaanroep laat `split_labelers` op de standaardwaarde staan. [Afhankelijkheid van de app](https://github.com/HumanSignal/label-studio/blob/df96d79183156e556d91825d15fa7721f1145e1a/pyproject.toml#L75) · [Conversieaanroep van de app](https://github.com/HumanSignal/label-studio/blob/df96d79183156e556d91825d15fa7721f1145e1a/label_studio/data_export/models.py#L145-L170) · [Dispatch in de SDK](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L294-L305) · [Sortering op aanmaaktijd](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L626) · [Afhandeling van paden en lege resultaten](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L1074-L1109) · [Bestandsvervanging](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/exports/yolo.py#L153-L171)

| Geval | Resultaat |
| --- | --- |
| A ouder dan B, bij beide volgordes van de invoerarray | `sample.txt` bevat A |
| B ouder dan A | `sample.txt` bevat B |
| Aparte mappen voor labelaars, 2 verschillende actor-ID's | Het bestand van actor 11 bevat A en dat van actor 12 bevat B |
| Aparte mappen voor labelaars, dezelfde actor-ID | Het bestand van actor 11 bevat A |
| Ouder resultaat leeg en nieuwer resultaat B | `sample.txt` bevat B |

Het lege oudere resultaat maakt alleen een leeg bestand aan als er nog geen bestand bestaat. Die tak beperkt de conclusie over ouderdom tot de 2 geldige, niet-lege oordelen in de eerste 3 standaarduitvoeringen. Aparte mappen voor labelaars zijn een SDK-optie en bewaren geen meerdere oordelen die dezelfde actor naar hetzelfde pad schrijft. De testopstelling toont niet aan hoe een project de invoeroordelen koos of hoe een model zou presteren. [Optie en standaardwaarde](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L966-L994)

Controleer bij een oplevering die de beoordelingsgeschiedenis moet behouden een bekend betwist item in zowel de bronexport als het opgeleverde formaat. Het uiteindelijke tekstbestand alleen verklaart de keuze van het oordeel niet. Als een team bewust 1 oordeel per afbeelding wil, leg dan de selectie- of beslisregel vast voordat de oordelen worden teruggebracht tot opleverlabels.

Voer `python3 check.py | cmp - observations.json` uit met foutcontrole voor de pipeline ingeschakeld. Het [controlescript](https://sapien1.com/research/annotation-export-yolo-coco/check.py) gebruikt de standaardbibliotheek en berekent hashes over 92.423 bytes in 4 vastgezette SDK-bestanden. Het voert de daadwerkelijke bestandslezer voor één taak, annotatieprojectie, rechthoekconversie en labelschrijver uit met een vast schema en een bestaand fictief lokaal pad. De exacte [waarnemingen](https://sapien1.com/research/annotation-export-yolo-coco/observations.json) leggen de invoer- en verwerkingsvolgorde, het klassenbestand en alle labelpaden en -regels vast. Beide uitvoeringen leverden byte-identieke resultaten op. De 4 bronbestanden zijn ook byte voor byte vergeleken met het PyPI-wheel voor versie 2.1.2, 1.066.859 bytes, SHA-256 `8b95a4021f0bb4bd5a4cdce38d998cfbc0028d68681f0fd3e9907525967013c3`, dat zonder installatie in het geheugen is onderzocht. Het experiment voert niet de volledige dienst, de serializer daarvan of de taakarrayparser van de SDK uit. [PyPI-distributie](https://pypi.org/project/label-studio-sdk/2.1.2/#files)

Een eerder rapport over Label Studio 1.11.0 beschrijft hoe het oudere oordeel behouden bleef nadat een nieuwe annotatie aan dezelfde taak was toegevoegd. Deze testopstelling met SDK 2.1.2 reproduceert dat effect voor één afbeeldingspad met een vaste lijst van labels. De controles onderscheiden de volgorde op aanmaaktijd van de invoervolgorde, groepering op actor en een leeg resultaat. Afzonderlijke rapporten behandelen dubbele basisbestandsnamen bij verschillende afbeeldingen en dubbelzinnigheid tussen lege en niet-beoordeelde COCO-annotaties. Het pakket bevat oorspronkelijke Python-code en verzonnen waarnemingen. Het controlescript haalt tijdens de uitvoering vastgezette openbare SDK-broncode onder Apache-2.0 op. [Eerder YOLO-rapport](https://github.com/HumanSignal/label-studio/issues/5421) · [Rapport over dubbele basisbestandsnamen](https://github.com/HumanSignal/label-studio/issues/7096) · [Rapport over lege COCO-annotaties](https://github.com/HumanSignal/label-studio/issues/9774) · [SDK-licentie](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE)
