CVAT计算机视觉标注工具自查指南部署、标注与数据集导出的完整步骤【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是一款可自建的开源计算机视觉标注工具支持图像、视频和 3D 点云标注还能接入自己的 AI 模型做辅助标注。它解决的问题很直接把一堆原始图片、视频变成能直接喂给训练流程的标准数据集。适合三类人——要批量建数据集的算法团队、数据必须留在内网的企业以及需要多人协作、质检流程的标注工作室。 适合谁用先对照 3 个场景自查你的实际情况是否适合 CVAT有一批道路图片/视频要做目标检测训练集适合边界框、跨帧轨迹、自动标注都能覆盖还能按车道线需求画折线做自动驾驶要标注激光雷达点云适合3D 工作区支持立方体标注顶部、侧面、正面三视图联动只是给几百张图打一下分类标签偏重轻量打标工具可能更省事3D 点云标注界面长这样主视图加三个正交视图同步显示同一批立方体标注 三步跑起来从克隆到打开标注页面的最短路径前提机器上装好 Docker Engine 和 Docker Compose浏览器优先用 Chrome 或 EdgeCVAT 主要在 Chromium 系浏览器上测试不支持 Safari。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d等两三分钟容器起来后在终端用 docker exec 进入cvat_server容器执行 Django 的 createsuperuser 管理命令创建管理员账号。然后浏览器打开http://localhost:8080用刚建的账号登录就能看到工作区了。如果要用别的 IP 或域名访问启动前设置CVAT_HOST环境变量即可。✏️ 最常用的 3 个操作建任务、画框、导出1. 创建任务并定义标签什么时候用新一批素材要开始标注时。怎么操作在界面里创建任务选择数据来源本机上传、挂载文件共享、远程地址或云存储在 Labels 面板定义标签——每个标签指定名称、颜色、可画的形状类型和属性字段。得到什么一个拆分成若干 job 的任务可以整包开始标也可以按 job 分给不同人。2. 在图上画边界框或多边形什么时候用标注阶段的核心动作。怎么操作左侧工具栏选矩形、多边形、点或折线工具在图像上拖出图形指定标签再填属性如颜色、数量。右侧 Objects 面板列出所有对象可排序、筛选、单独编辑。得到什么结构化标注对象视频任务里还能以 track 形式跨帧跟随目标。3. 一键导出数据集什么时候用标注完成准备进训练流程。怎么操作在导出入口选择目标格式COCO JSON、YOLO TXT、Pascal VOC 等、标注范围整个任务或指定帧提交后下载压缩包。得到什么图片或视频帧加对应标注文件的目录可以直接对接训练框架无需手工转换。⚠️ 容易踩的坑启动后最常见的 3 个问题问打开 8080 端口没反应是坏了吗答首次启动容器需要几分钟完成初始化等一等再刷新。仍不通的话用docker compose logs查看各服务状态确认 server 和 ui 都正常退出running后再访问。另外如果是 Safari 下渲染异常先换 Chrome 或 Edge 再下结论。问为什么自动标注里看不到 YOLO、SAM 这些模型答Community 版默认不部署 serverless 模型。需要把 serverless 组件加入 compose 配置启动再用 nuctl 工具把具体模型函数如 SAM、YOLO v7部署上去它们才会出现在顶部菜单的 Models 里。模型定义都在 serverless/ 目录README 里有部署脚本。问自动标注跑出来的框不想要能限定处理范围吗答可以。自动标注对话框里有 Region of interest 选项指定四个坐标值后模型只处理该区域还能勾选清理旧标注避免重复叠加。⚡ 效率加速器3 个真正省时间的用法1. 自动标注打底 人工修正让模型先生成初稿人只做删改。仓库自带一批可部署模型YOLO v7、RetinaNet 等做检测SAM、IOG 做分割交互HRNet 做姿态估计TransT 做跨帧跟踪。检测类模型适合整图铺框SAM 适合点一下出掩码配合标签映射规则如模型输出的 person 对应你任务里的行人标签初稿质量会高很多。2. 视频用 track 而不是逐帧标对视频任务标注对象设为 track 后它会在后续帧持续出现并支持拖拽修正关键帧标好后中间帧可以靠插值补齐。几百帧的视频实际动手的帧数可能只有几十。3. 把常用操作绑上快捷键CVAT 的快捷键按作用域组织、全部可自定义打开设置的 Shortcuts 页点击输入框按下想要的键组合即可绑定冲突时会有提示。界面上把鼠标悬停在按钮上也会显示快捷键提示完整清单和自定义方法见 docs/getting_started/shortcuts.md。 数据与衔接输入输出两侧怎么接进你的流水线输入侧图像、视频、zip 压缩包、3D 点云.pcd、.bin都能直接上传也可以从挂载文件共享或云存储S3、Azure Blob、Google Cloud拉取大文件用 TUS 分片上传。输出侧20 多种行业通用格式常用的是 CVAT XML、COCO JSON、YOLO TXT、Ultralytics YOLO、Pascal VOC XML、KITTI TXT、MOT TXT格式细节见 docs/dataset_management/formats。衔接侧有三个入口按自动化程度递进REST API完整的程序化控制配合 webhook 可以在任务完成等事件发生时自动触发下游动作webhook 模块在 cvat/apps/webhooks/。Python SDKpip install cvat-sdk后能自动化建任务、上传、导出自带 PyTorch 数据集适配器标注好的任务可以直接作为 DataLoader 数据源cvat-sdk/examples/ 里有一组可抄的示例脚本。CLIpip install cvat-cli在终端脚本化常用工作流。 什么时候该深入团队与自动化方向当你一个人标得动、但开始需要管人和管质量时这些模块值得展开看团队协作组织、角色、任务指派、评论与 issue 跟踪文档在 docs/account_management/。质量与共识consensus 模式下同一 job 多个副本独立标注再合并模块代码在 cvat/apps/consensus/Ground Truth 与 Honeypot 校验、质量报告在 cvat/apps/quality_control/。运营分析标注工时、速度、事件统计可通过 Grafana 看板查看组件定义在 components/analytics/效果类似任务级分析报表自建 serverless 模型把检测、分割、跟踪模型打包成函数接入自动标注参考 serverless/ 中的现成模板。更多细节安装、备份升级、各格式说明都在仓库自带的 site/content/en/docs/ 文档里从 getting_started 目录读起最顺。【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