# 一張影像可能產生兩個 COCO 影像 ID

在受控的 Label Studio SDK 2.1.2 轉換中，一項任務和一張本機影像的兩筆有效框選判定產生了兩個 COCO 影像 ID。兩筆影像資料列的檔案路徑完全相同，每個框則分別參照不同的產生影像 ID。接著，固定版本的 COCO Python 索引將兩個 ID 分別列出。在此測試案例中，`LABEL_STUDIO_FORCE_ANNOTATOR_EXPORT` 未設定，因此框選資料列帶有產生的標註 ID，並省略原始判定和操作者 ID。[轉換器影像資料列](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L767-L830) · [框選資料列](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) · [未篩選的影像 ID](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/PythonAPI/pycocotools/coco.py#L177-L196)

| 單張來源影像 | COCO 結果 | 未篩選的 COCO 索引 |
| --- | --- | --- |
| 兩筆不一致的判定 | 相同路徑有兩筆資料列，結果 B 對應 ID 0，結果 A 對應 ID 1 | ID 0 和 1 |
| 兩筆一致的判定 | 相同路徑有兩筆資料列，兩個 ID 都對應結果 A | ID 0 和 1 |
| 選取一筆判定 | 該路徑有一筆資料列，結果 A 對應 ID 0 | ID 0 |

轉換器會為每筆符合條件的判定輸出一個項目。在受測分支中，它會為每個項目配置影像 ID，並新增一筆影像項目。判定一致與不一致都產生了兩個 ID。[配對的 YOLO 測試案例](https://sapien1.com/zh-Hant-TW/research/annotation-export-yolo-coco/README.md)將同一張影像的兩筆不一致判定寫入同一個輸出路徑，較舊判定的成功寫入會覆蓋較新的判定。當資料集應為每張原始影像保留一筆資料列時，請計算交付資料中相異影像路徑的數量，並檢查來源判定與影像的對應關係。僅有不重複的數值 ID，仍無法驗證這項特性。評估分數取決於呼叫端如何使用這些 ID；此處未測量任何分數。[共用標註投影](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/src/label_studio_sdk/converter/converter.py#L593-L653)

執行 `python3 -B check-coco-identity.py | cmp - coco-identity-observations.json`，並啟用管線失敗檢查。[檢查程式](https://sapien1.com/research/annotation-export-yolo-coco/check-coco-identity.py)的 SHA-256 為 `fb6f5a0eb3b8f269576353203f40e81b46515e55182f9b377b45ba34e4925d82`，使用固定版本 SDK 中完全相同的標註投影、矩形幾何計算和 COCO 寫入程式，以及固定版本 COCO Python 原始碼中完全相同的索引和 ID 查詢。本機影像尺寸替身為一張固定的虛構影像提供 100 × 100 的尺寸。驗證紀錄會先比較完整的來源影像路徑，再將其正規化為固定的基本檔名。兩次本機執行和一次獨立重現的三種案例結果皆逐位元組相符。[已儲存的觀察結果](https://sapien1.com/research/annotation-export-yolo-coco/coco-identity-observations.json)，SHA-256 為 `bb4b13aae5a7c471507f1ebcdb9cac2dcd7c2fe62f232489b0a00078ec12e222`。

先前的報告記錄了 YOLO 中較舊判定覆蓋較新判定的情況。COCO 相關搜尋找到的相近報告涉及語意不明的空白結果，以及分離的筆刷遮罩產生額外標註。本試驗檢查單張影像有多筆判定時的影像 ID。它使用在執行時擷取的公開固定版本 Apache-2.0 SDK 與 BSD 授權 COCO 程式碼，並附帶自有程式碼和虛構結果。已安裝的應用程式、媒體解碼、模型訓練和評估均不在此測試案例範圍內。[先前的 YOLO 報告](https://github.com/HumanSignal/label-studio/issues/5421) · [COCO 空白結果問題](https://github.com/HumanSignal/label-studio/issues/9774) · [筆刷遮罩問題](https://github.com/HumanSignal/label-studio/issues/7737) · [SDK 授權](https://github.com/HumanSignal/label-studio-sdk/blob/c20c899aaaa302740dacd46a47e5774bb677561f/LICENSE) · [COCO 授權](https://github.com/ppwwyyxx/cocoapi/blob/2971b0430e0990f119c60c8708ca66d4a5fed5d0/license.txt)

若要執行 COCO 檢查程式，請將 [YOLO 檢查程式（check.py）](https://sapien1.com/research/annotation-export-yolo-coco/check.py)儲存在同一個目錄中。若要重現配套研究，請將其輸出與 [YOLO 觀察結果（JSON）](https://sapien1.com/research/annotation-export-yolo-coco/observations.json)比較。
