# 一张图片可能生成两个 COCO 图像 ID

在一项受控的 Label Studio SDK 2.1.2 转换测试中，针对一个任务和一张本地图片的两个有效框标注判断生成了两个 COCO 图像 ID。两条图像记录的文件路径完全相同。每个框分别引用一个生成的图像 ID。随后，固定版本的 COCO Python 索引分别列出了这两个 ID。在此测试样例中，`LABEL_STUDIO_FORCE_ANNOTATOR_EXPORT` 未设置，框记录包含生成的标注 ID，但不含原始判断 ID 和操作人 ID。[转换器图像记录](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L767-L830) · [框记录](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L885-L936) · [COCO 索引](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L89-L117) · [未过滤的图像 ID](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L177-L196)

| 一张源图片 | COCO 结果 | 未过滤的 COCO 索引 |
| --- | --- | --- |
| 两个判断不一致 | 同一路径有两条记录：ID 0 对应结果 B，ID 1 对应结果 A | ID 0 和 1 |
| 两个判断一致 | 同一路径有两条记录：两个 ID 均对应结果 A | ID 0 和 1 |
| 选中一个判断 | 该路径有一条记录：ID 0 对应结果 A | ID 0 |

转换器为每个符合条件的判断生成一个条目。在测试的分支中，它为每个条目分配图像 ID 并追加一条新的图像记录。判断一致和不一致时都生成了两个 ID。[配套 YOLO 测试样例](https://sapien1.com/zh-Hans/research/annotation-export-yolo-coco/README.md)将一张图片的两个不一致判断写入同一个输出路径，成功写入的较早判断会覆盖较新的判断。当数据集应为每张底层图片保留一条记录时，应统计交付数据中不同图像路径的数量，并检查源判断到图像的映射。仅有唯一的数字 ID 无法验证这一点。评估分数取决于调用方如何使用这些 ID，此处未测量任何分数。[共用标注投影](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L653)

运行 `python3 -B check-coco-identity.py | cmp - coco-identity-observations.json`，并启用管道失败检查。[检查脚本](https://sapien1.com/research/annotation-export-yolo-coco/check-coco-identity.py)的 SHA-256 为 `fb6f5a0eb3b8f269576353203f40e81b46515e55182f9b377b45ba34e4925d82`，使用固定版本 SDK 中完全相同的标注投影、矩形几何处理和 COCO 写入器，以及固定版本 COCO Python 源码中完全相同的索引和 ID 查询。本地图像尺寸替身为一张固定的虚构图片提供 100 × 100 的尺寸。记录结果时，会先比较完整的源图像路径，再将其规范化为稳定的基本文件名。两次本地运行和一次独立复现的三个案例结果逐字节一致。[保存的观察结果](https://sapien1.com/research/annotation-export-yolo-coco/coco-identity-observations.json)的 SHA-256 为 `bb4b13aae5a7c471507f1ebcdb9cac2dcd7c2fe62f232489b0a00078ec12e222`。

此前的一份报告记录了 YOLO 中较早判断覆盖较新判断的现象。针对 COCO 的检索发现了有关含糊空结果和分离的画笔蒙版产生额外标注的相关报告。本次初步研究检查一张图片存在多个判断时的图像 ID。它在运行时获取公开的固定版本 Apache-2.0 SDK 和采用 BSD 许可证的 COCO 代码，并附带自己的代码和虚构结果。已安装的应用、媒体解码、模型训练和评估均不在此测试样例的范围内。[此前的 YOLO 报告](https://github.com/HumanSignal/label-studio/issues/5421) · [COCO 空结果问题](https://github.com/HumanSignal/label-studio/issues/9774) · [画笔蒙版问题](https://github.com/HumanSignal/label-studio/issues/7737) · [SDK 许可证](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE) · [COCO 许可证](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/license.txt)

要运行 COCO 检查脚本，请将 [YOLO 检查脚本（check.py）](https://sapien1.com/research/annotation-export-yolo-coco/check.py)保存在同一目录中。要复现配套研究，请将其输出与 [YOLO 观察结果（JSON）](https://sapien1.com/research/annotation-export-yolo-coco/observations.json)比较。
