CVAT 计算机视觉标注工具部署指南：3步启动图像与视频数据标注平台-北京尧图网络

CVAT 计算机视觉标注工具部署指南3步启动图像与视频数据标注平台【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你手头有一批待标注的图片和视频需要一套能画框、打标签、还能借助模型自动打标的工具。CVATComputer Vision Annotation Tool就是为此设计的开源标注平台图像、视频、3D点云都支持内置AI辅助标注多人可协同作业数据可导出给模型训练。本文带你在一台装了 Docker 的 Linux 机器上把它完整跑起来并标注出第一批数据。动手前先检查环境自检2条命令先对照下面的配置表确认你的机器够用项目最低要求建议操作系统Ubuntu 20.04/22.04、CentOS 7/8 等 Linux64位Docker20.10.0已加入 docker 组Docker Compose1.29.0与 Docker 版本匹配内存8GB16GB磁盘可用空间20GB视数据集规模预留更多两条命令30秒完成自检docker --version docker-compose --version两条命令都能输出版本号且 Docker ≥ 20.10.0、Compose ≥ 1.29.0说明环境达标。版本号偏低就升级 Docker 再继续。从零到启动3步完成部署第1步拉取源码CVAT 的全部服务由docker-compose.yml定义源码里就有。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat成功标志当前目录下能看到docker-compose.yml文件。第2步一键启动全部服务docker-compose up -d这条命令会拉取镜像并启动整套组件Django 后端、React 前端、PostgreSQL、Redis内存磁盘两套、路由与事件分析组件。首次运行需要下载镜像耗时2–5分钟。成功标志docker-compose ps中各容器状态为Up其中traefik映射了宿主机的 8080 端口。第3步确认前端可访问docker-compose logs -f观察日志滚动无红色报错CtrlC 退出。随后浏览器打开http://localhost:8080出现登录页即代表前后端链路已通。初始化与登录建库、建管理员、进控制台容器首次启动不会自动建库建号这两步要手动完成。初始化数据库结构docker exec -it cvat_server bash -ic python3 manage.py migrate成功标志输出末尾显示若干Applying ...迁移记录和OK无 Traceback。创建管理员账号按交互提示依次填用户名、邮箱、两次密码docker exec -it cvat_server bash -ic python3 manage.py createsuperuser成功标志提示账号创建完成回到 shell 提示符。最后打开http://localhost:8080用刚建好的账号密码登录进入 CVAT 控制台。首页能看到 Projects、Tasks、Models 等入口部署到此全部完成。✅跑通第一个任务标注5张图片以给一组街景图片画矩形框这个最小场景为例走一遍完整流程左侧菜单进入Tasks点击创建任务。填写名称在 Labels 里添加一个标签例如person。文件来源选My computer上传5张左右的图片提交。任务列表里点开它进入标注工作台。![CVAT图像标注工作台矩形框标注界面](https://raw.gitcode.com/GitHub_Trending/cvat/cvat/raw/2b75e8fdc0a4242b93deea076c1bbad7c8e67c85/site/content/en/images/Attribute annotation mode_01.png?utm_sourcegitcode_repo_files)选中左侧工具栏的矩形工具在目标人物上拖拽画框标签自动挂上person。用底部进度条或方向键逐帧切换把5张都画完按CtrlS保存。如果数据量大可以让模型先打草稿在标注界面打开Automatic annotation对话框选一个已部署的模型并设置 ROI 区域点 Annotate模型输出的框你只需修正即可。跑完这一圈你就验证了上传 → 标注 → 保存整条链路。想继续深入可参考官方入门文档site/content/en/docs/getting_started/overview.md。故障速查表症状可能原因解决方式浏览器打开 8080 无响应或报端口被占8080 已被其他程序占用编辑docker-compose.yml修改 traefik 的端口映射后重新启动permission denied ... docker.sock当前用户没有 Docker 权限把用户加入 docker 组或临时用 sudo 执行镜像长时间卡在 Pulling网络访问镜像仓库不稳定检查网络或为 Docker 配置镜像加速器容器反复重启、日志报连接失败依赖服务尚未就绪等待1–2分钟仍异常则执行docker-compose down后重新docker-compose up -d创建任务后一直卡在加载中后端 worker 未启动docker-compose ps检查 worker 类容器是否 Up异常则重启对应容器接下来可以做什么用Projects功能把多个相关任务归组体验团队协同与进度统计为模型训练导出标注结果试试 COCO、YOLO 等格式探索 3D 点云标注场景更多命令细节与高级配置见官方文档site/content/en/docs/【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

CVAT 计算机视觉标注工具部署指南：3步启动图像与视频数据标注平台

相关推荐

Diffusers 模块化流水线（Modular Pipelines）之 Pipeline Blocks 完全指南

GitHub MCP Server 在 Copilot IDE 中的安装指南：Visual Studio、JetBrains、Xcode 与 Eclipse 完整配置

Codex前端协作五层分工法：结构、逻辑、契约、质量、交付

更多资讯

如何把 Dokku 接入 Woodpecker CI 实现 push 自动部署？

如何在 Cursor 配置 daisyUI llms.txt 规则文件让 AI 正确生成组件代码

MediaPipe手势识别：63维关键点+机器学习实战

用神经网络打造游戏大局观教练：从特征工程到实时决策

3 分钟跑通 Social-Analyzer：批量查找用户名在 1000+ 网站的踪迹

三维WSN覆盖优化：基于麻雀搜索算法的空洞修复方案

今日更新

CopilotKit Vue Demo 与 React Demo 的 Parity 实现指南：路由、运行时端点与交互语义的全框架对齐

Harbor RBAC 实战：db_auth 模式下非管理员用户管理项目成员的完整验证与权限模型解析

STM32平衡车纯平衡程序从拆包到参数整定的完整调试指南

本周精选

超人会飞不算本事：系统稳定依赖清晰规则与边界设计

超人VS蜘蛛侠：拆解超级IP的影响力与传播方法论

基于CNN的调制信号识别：MATLAB实现时频图分类实战

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？