# Która ocena pozostaje po eksporcie YOLO z Label Studio?

Sprawdzono 18 listopada 2026 r. Gdy 2 aktywne adnotacje prostokątne dla tego samego obrazu trafiły do konwertera YOLO w Label Studio SDK 2.1.2, domyślny eksport zachował klasę starszej adnotacji. Odwrócenie kolejności w wejściowej tablicy adnotacji nie zmieniło wyniku. Zamiana czasów utworzenia obu adnotacji zmieniła zachowaną klasę. W eksperymencie użyto 1 fikcyjnego zadania, 1 lokalnej ścieżki do obrazu i 2 poprawnych prostokątów.

Konwerter sortuje aktywne adnotacje według czasu utworzenia, od najnowszej do najstarszej, i zwraca obie. W przypadku tego samego obrazu domyślny mechanizm zapisu YOLO tworzy tę samą ścieżkę pliku etykiety dla obu adnotacji. W tym zestawie testowym prostokąt ze starszej oceny jest zapisywany jako drugi i zastępuje pierwszy plik. Nowsza klasa nadal widnieje w `classes.txt`, ponieważ obie klasy zadeklarowano w schemacie projektu. Znacznik wydania Label Studio 1.23.2 wskazuje SDK 2.1.2, a ogólne wywołanie konwersji YOLO pozostawia `split_labelers` z wartością domyślną. [Zależność aplikacji](https://github.com/HumanSignal/label-studio/blob/df96d79183156e556d91825d15fa7721f1145e1a/pyproject.toml#L75) · [Wywołanie konwersji w aplikacji](https://github.com/HumanSignal/label-studio/blob/df96d79183156e556d91825d15fa7721f1145e1a/label_studio/data_export/models.py#L145-L170) · [Przekazanie obsługi w SDK](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L294-L305) · [Sortowanie według czasu utworzenia](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L626) · [Obsługa ścieżki i pustego wyniku](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L1074-L1109) · [Zastępowanie pliku](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/exports/yolo.py#L153-L171)

| Przypadek | Wynik |
| --- | --- |
| A starsze niż B, dowolna kolejność w tablicy wejściowej | `sample.txt` zawiera A |
| B starsze niż A | `sample.txt` zawiera B |
| Oddzielne foldery osób adnotujących, 2 różne identyfikatory osób | Plik osoby 11 zawiera A, a plik osoby 12 zawiera B |
| Oddzielne foldery osób adnotujących, ten sam identyfikator osoby | Plik osoby 11 zawiera A |
| Starszy wynik pusty, nowszy wynik B | `sample.txt` zawiera B |

Pusty starszy wynik tworzy pusty plik tylko wtedy, gdy taki plik jeszcze nie istnieje. Ta gałąź ogranicza wniosek dotyczący wieku do 2 poprawnych, niepustych ocen w pierwszych 3 uruchomieniach z ustawieniami domyślnymi. Oddzielne foldery osób adnotujących są opcją SDK i nie zachowują wielu ocen zapisanych przez tę samą osobę pod tą samą ścieżką. Zestaw testowy nie wykazuje, w jaki sposób w projekcie wybrano oceny wejściowe ani jakie wyniki osiągnąłby model. [Opcja i wartość domyślna](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L966-L994)

Jeśli przekazywane dane mają zachować historię przeglądu, sprawdź znany sporny element w eksporcie źródłowym i przekazywanym formacie. Sam końcowy plik tekstowy nie wyjaśnia wyboru oceny. Jeśli zespół celowo chce zachować 1 ocenę na obraz, zapisz regułę wyboru lub rozstrzygania przed sprowadzeniem danych do etykiet przekazywanego zbioru.

Uruchom `python3 check.py | cmp - observations.json` z włączonym sprawdzaniem błędów potoku. [Skrypt sprawdzający](https://sapien1.com/research/annotation-export-yolo-coco/check.py), korzystający z biblioteki standardowej, oblicza skróty łącznie 92 423 bajtów z 4 przypiętych plików SDK. Wykonuje rzeczywisty odczyt pliku pojedynczego zadania, projekcję adnotacji, konwersję prostokątów i zapis etykiet przy użyciu ustalonego schematu oraz istniejącej fikcyjnej ścieżki lokalnej. Dokładne [obserwacje](https://sapien1.com/research/annotation-export-yolo-coco/observations.json) zapisują kolejność wejścia i przetwarzania, plik klas oraz wszystkie ścieżki i wiersze etykiet. Oba uruchomienia dały potwierdzenia identyczne bajt po bajcie. 4 pliki źródłowe porównano również bajt po bajcie z pakietem wheel PyPI 2.1.2 o rozmiarze 1 066 859 bajtów i skrócie SHA-256 `8b95a4021f0bb4bd5a4cdce38d998cfbc0028d68681f0fd3e9907525967013c3`, sprawdzonym w pamięci bez instalacji. Eksperyment nie uruchamia pełnej usługi, jej serializatora ani parsera tablicy zadań SDK. [Dystrybucja PyPI](https://pypi.org/project/label-studio-sdk/2.1.2/#files)

Wcześniejszy raport dotyczący Label Studio 1.11.0 opisuje zachowanie starszej oceny po dodaniu nowej adnotacji do tego samego zadania. Ten zestaw testowy SDK 2.1.2 odtwarza efekt zachowania starszej oceny dla 1 ścieżki obrazu przy ustalonym słowniku etykiet. Próby kontrolne rozdzielają wpływ kolejności według czasu utworzenia od kolejności wejściowej, grupowania według osoby i pustego wyniku. Oddzielne raporty dotyczą zduplikowanych nazw bazowych różnych obrazów oraz niejednoznaczności między pustymi a nieprzejrzanymi adnotacjami COCO. Pakiet zawiera oryginalny kod Python i fikcyjne obserwacje. Skrypt sprawdzający pobiera podczas działania przypięty publiczny kod źródłowy SDK na licencji Apache-2.0. [Wcześniejszy raport YOLO](https://github.com/HumanSignal/label-studio/issues/5421) · [Raport o zduplikowanych nazwach bazowych](https://github.com/HumanSignal/label-studio/issues/7096) · [Raport o pustych adnotacjach COCO](https://github.com/HumanSignal/label-studio/issues/9774) · [Licencja SDK](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE)
