Label Studio 导出 COCO 格式数据集时缺失标注的排查与解决

在使用 Label Studio 进行图像标注工作时，用户可能会遇到导出 COCO 格式数据集时部分标注信息丢失的问题。本文将以一个实际案例为基础，详细介绍问题的排查思路和解决方案。

问题现象

当用户尝试从 Label Studio 界面导出包含 1500 张图像的标注数据集为 COCO 格式时，生成的 result.json 文件中仅包含 30 张图像的标注信息，其余大部分图像的标注数据缺失。

问题分析

经过深入排查，发现问题根源在于后端机器学习模型返回的数据结构不符合预期。具体表现为：

1. 标注数据的类型定义不正确
2. 矩形框标注的格式处理不当
3. 标签转换逻辑存在缺陷

解决方案

正确的数据格式应当包含以下关键元素：

{
    'from_name': 'label',
    'to_name': 'image',
    'type': 'rectanglelabels',
    'value': {
        'points': [[x, y], [x + width, y], [x + width, y + height], [x, y + height]],
        'rectanglelabels': [self.categories.get(label.item(), "Unknown")]
    },
    'score': score.item()
}

需要特别注意以下几点：

1. 类型定义：必须明确指定为 'rectanglelabels'，这是 Label Studio 识别矩形标注的标准类型
2. 坐标点格式：需要提供四个角点的坐标，顺序为左上、右上、右下、左下
3. 标签处理：确保标签值是从类别映射表中正确获取，并以列表形式提供
4. 分数处理：使用 .item() 方法确保分数值是标量而非张量

最佳实践建议

1. 数据验证：在将标注数据返回给 Label Studio 前，建议添加数据验证步骤
2. 日志记录：记录处理过程中的关键信息，便于问题排查
3. 异常处理：对标签映射添加默认值处理，避免因未知标签导致的问题
4. 测试覆盖：对少量样本进行导出测试，验证数据完整性

总结

Label Studio 作为一款强大的标注工具，对数据格式有严格要求。当遇到导出数据不完整的情况时，建议首先检查数据格式是否符合规范。通过规范数据结构和添加必要的验证机制，可以确保标注数据能够完整准确地导出为各种格式，包括 COCO 格式。