CVAT 标注工具入门从 Docker 部署到完成第一次图像标注【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvatCVATComputer Vision Annotation Tool是一个开源自托管的计算机视觉标注平台支持图像、视频和 3D 点云数据的标注内置团队协作、质量检查和 20 余种数据集导入导出格式。它解决的问题是如何在你自己的服务器上把原始图片视频变成可用于训练模型的结构化标注数据。适合想搭建自有标注环境的研究者、算法工程师和数据团队。它适合谁 / 什么时候该用需要标注图像、视频或点云数据集且数据不能出内网的团队。CVAT Community 版完全跑在你自己的基础设施里数据不离开你的环境。已有预训练模型检测、分割、跟踪希望接进标注流程做自动标注提效的算法团队。需要多人协作分工、按任务分派、审核标注结果的标注项目。不太适用的情况如果你只是临时标注几十张图或者不想管理任何服务器自托管 CVAT 的成本就偏高官方提供的托管版CVAT Online更省事。准备工作部署 CVAT 之前机器上需要准备好以下环境Docker Engine 和 Docker Compose必需核心服务全部以容器方式运行Git用于拉取部署代码浏览器官方主要在 Chromium 系浏览器Chrome、Edge上测试Firefox 可能有部分兼容问题Safari 不支持默认服务地址为http://localhost:8080如果要从其他机器访问需要设置环境变量CVAT_HOST为你的 IP 或域名第一次跑起来最小启动路径只有三步git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d等待容器全部拉起后创建管理员账号docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser然后浏览器打开http://localhost:8080用刚创建的超级用户登录就能看到标注工作台。走通一个完整任务以标注一批图片为例完整流程如下创建项目或任务登录后新建 Project用于归类或直接新建 Task。Task 是最小数据单元一个 Task 对应一批图片或一个视频。上传数据在 Task 中上传图像JPEG、PNG 等 Pillow 支持的格式、视频MP4、AVI、MOV或点云.pcd、.bin文件。定义标签进入 Labels 设置为每个类别命名并按需要添加属性attribute比如是否遮挡。进入 Job 标注Task 会被拆成若干 Job打开 Job 进入画布。用矩形框、多边形、掩码、关键点、立体框等工具逐帧绘制视频场景可以配合插值让标注在帧间自动延伸。保存并检查保存标注切到下一帧或下一个 Job。Task 列表里可以实时看到各 Job 的完成进度。导出数据集标注完成后在 Task 上执行 Export选择目标格式COCO、YOLO、Pascal VOC、KITTI 等 20 余种下载训练用数据集。新手常见卡点页面打不开多半是容器还没完全启动docker compose ps确认服务为 running 状态再刷新跨机器访问时记得先设置CVAT_HOST。没有自动标注选项自动标注依赖 serverless 组件需要额外用components/serverless/docker-compose.serverless.yml叠加启动并部署对应的模型函数不是开箱即用的。视频任务标注慢优先使用插值和跟踪类工具而不是逐帧手画也可以先用检测/跟踪模型出初稿再人工修正。浏览器表现异常换用 Chrome 或 Edge 再试官方未适配 WebKit 内核。能力范围与扩展格式导入导出支持 20 余种格式包括 CVAT XML、COCO JSON、YOLO TXT、Pascal VOC XML、KITTI、MOT 等详见仓库 site/content/en/docs/dataset_management/。自动标注内置一批基于 Nuclio 的预置模型YOLO、SAM、RetinaNet、TransT 跟踪等覆盖检测、分割、姿态、跟踪源码在 serverless/。开发接口提供完整 REST API、Python SDKpip install cvat-sdk和命令行工具pip install cvat-cli可以把建任务、上传、导出全部脚本化。协作与质检支持多组织、角色分派、评论与问题标记、多人一致性consensus比对。文档本地文档源在 site/content/en/docs/可按需深入。下一步建议先用一小批图片几十个文件把上面走通一个完整任务从头到尾做一遍重点熟悉标签定义和导出格式再考虑接入自动标注模型。【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvat创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
