# Jeden obraz może otrzymać dwa identyfikatory obrazu COCO

W kontrolowanej konwersji za pomocą Label Studio SDK 2.1.2 dwie prawidłowe oceny z ramkami dla jednego zadania i jednego lokalnego obrazu wygenerowały dwa identyfikatory obrazu COCO. Oba wiersze obrazów zawierały dokładnie tę samą ścieżkę do pliku. Każda ramka odwoływała się do innego wygenerowanego identyfikatora obrazu. Indeks COCO Python w przypiętej wersji wyświetlił następnie oba identyfikatory osobno. Przy nieustawionej zmiennej `LABEL_STUDIO_FORCE_ANNOTATOR_EXPORT` w tym zestawie testowym wiersze ramek zawierały wygenerowane identyfikatory adnotacji i pomijały pierwotne identyfikatory ocen oraz osób wykonujących adnotacje. [Wiersze obrazów konwertera](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L767-L830) · [Wiersze ramek](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) · [Niefiltrowane identyfikatory obrazów](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L177-L196)

| Dane źródłowe jednego obrazu | Wynik COCO | Niefiltrowany indeks COCO |
| --- | --- | --- |
| Dwie rozbieżne oceny | Dwa wiersze dla tej samej ścieżki: wynik B dla ID 0, a A dla ID 1 | ID 0 i 1 |
| Dwie zgodne oceny | Dwa wiersze dla tej samej ścieżki z wynikiem A dla obu ID | ID 0 i 1 |
| Jedna wybrana ocena | Jeden wiersz dla ścieżki z wynikiem A dla ID 0 | ID 0 |

Konwerter tworzy jeden element na każdą kwalifikującą się ocenę. W testowanej gałęzi przydziela identyfikator obrazu i dodaje nowy wpis obrazu dla każdego elementu. Zarówno zgodne, jak i rozbieżne oceny dały dwa identyfikatory. [Powiązany zestaw testowy YOLO](https://sapien1.com/pl/research/annotation-export-yolo-coco/README.md) kieruje dwie rozbieżne oceny jednego obrazu do jednej ścieżki wyjściowej, gdzie pomyślny zapis starszej oceny zastępuje nowszą. Gdy zbiór danych ma zawierać jeden wiersz na każdy rzeczywisty obraz, policz różne dostarczone ścieżki obrazów i sprawdź przypisanie ocen źródłowych do obrazów. Same unikatowe identyfikatory liczbowe nie potwierdzają spełnienia tego warunku. Wynik ewaluacji zależy od tego, jak kod wywołujący używa identyfikatorów; w tym badaniu nie zmierzono żadnego wyniku. [Wspólna projekcja adnotacji](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L653)

Uruchom `python3 -B check-coco-identity.py | cmp - coco-identity-observations.json` z włączonym sprawdzaniem błędów potoku. [Skrypt sprawdzający](https://sapien1.com/research/annotation-export-yolo-coco/check-coco-identity.py), SHA-256 `fb6f5a0eb3b8f269576353203f40e81b46515e55182f9b377b45ba34e4925d82`, używa dokładnie tej samej projekcji adnotacji, geometrii prostokątów i mechanizmu zapisu COCO co przypięta wersja SDK oraz dokładnie tego samego indeksu i zapytania o identyfikatory co przypięty kod źródłowy COCO Python. Lokalny zamiennik funkcji odczytu rozmiaru obrazu zwraca 100 na 100 dla ustalonego fikcyjnego obrazu. Zapis wyników porównuje pełną ścieżkę obrazu źródłowego przed znormalizowaniem jej do stałej nazwy pliku. Dwa lokalne uruchomienia i niezależne odtworzenie dały identyczne wyniki co do bajtu we wszystkich trzech przypadkach. [Zapisane obserwacje](https://sapien1.com/research/annotation-export-yolo-coco/coco-identity-observations.json), SHA-256 `bb4b13aae5a7c471507f1ebcdb9cac2dcd7c2fe62f232489b0a00078ec12e222`.

Wcześniejszy raport dokumentuje wpływ starszej oceny w YOLO. Wyszukiwanie dotyczące COCO ujawniło powiązane zgłoszenia o niejednoznacznych pustych wynikach i dodatkowych adnotacjach pochodzących z odłączonych masek pędzla. Ten pilotaż sprawdza identyfikatory obrazów przy wielu ocenach jednego obrazu. Korzysta z publicznego kodu SDK na licencji Apache-2.0 i kodu COCO na licencji BSD, pobieranych w przypiętych wersjach podczas działania, oraz zawiera własny kod i fikcyjne wyniki. Zainstalowana aplikacja, dekodowanie mediów, trenowanie modelu i ewaluacja pozostają poza zakresem zestawu testowego. [Wcześniejszy raport dotyczący YOLO](https://github.com/HumanSignal/label-studio/issues/5421) · [Zgłoszenie dotyczące pustego wyniku COCO](https://github.com/HumanSignal/label-studio/issues/9774) · [Zgłoszenie dotyczące maski pędzla](https://github.com/HumanSignal/label-studio/issues/7737) · [Licencja SDK](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE) · [Licencja COCO](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/license.txt)

Aby uruchomić skrypt sprawdzający COCO, zapisz [skrypt sprawdzający YOLO (check.py)](https://sapien1.com/research/annotation-export-yolo-coco/check.py) w tym samym katalogu. Aby odtworzyć powiązane badanie, porównaj jego dane wyjściowe z [obserwacjami YOLO (JSON)](https://sapien1.com/research/annotation-export-yolo-coco/observations.json).
