CVAT 上手指南：用 Docker 部署计算机视觉标注平台并完成首个数据集标注-北京尧图网络

CVAT 上手指南用 Docker 部署计算机视觉标注平台并完成首个数据集标注【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、可自托管的计算机视觉标注平台支持图像、视频与 3D 点云三类数据的标注内置模型辅助自动标注、团队协作、质量检查和多格式导出能力。本文带你在本机跑通 CVAT并完成从导入数据到导出数据集的完整流程。3 分钟在本地跑起 CVAT准备环境安装好 Docker Engine 和 Docker Compose浏览器建议使用 Chrome 或 Edge。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d服务拉起后创建管理员账号docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser浏览器打开http://localhost:8080登录即可。如果 8080 端口被占用修改 docker-compose.yml 中的端口映射后重新up -d就行。首次拉取镜像较慢属于正常现象耐心等待。核心工作流从原始数据到可导出数据集创建项目并定义标签在首页创建 Project项目再在项目下新建 Task任务。任务创建弹窗里要做两件事定义标签如 car、person、bicycle为标签追加属性如遮挡程度、颜色后续导出时可一并带上导入数据在 Select files 区域选择数据来源本机文件、共享文件夹、远程 URL 或云存储S3、Azure、GCS。上传一个视频文件或者拖入一个包含多张图片的压缩包都可以。画框与视频插值进入标注画布后用左侧工具栏绘制矩形、多边形、关键点等图形。右侧的 Objects 列表展示当前帧所有标注可以直接改名、删除或调整顺序。视频任务不需要逐帧标注。在第一帧画出目标切到后面某一帧把目标放到新位置CVAT 会自动插值出中间帧的标注运动幅度大的目标多补几个关键帧即可。这样一段长视频的工作量能缩减一大截。检查与导出标注完成后从任务或 Job 的菜单中选择导出选择目标格式。CVAT 支持 20 余种行业通用格式COCO、YOLO、Pascal VOC、KITTI、CVAT XML 等下游训练框架基本都能直接消费。按场景进阶模型辅助自动标注什么时候用数据量大、目标类型重复时先让模型出一版草稿人工只做修正。先把 serverless 组件加入部署docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d再安装nuctl按需部署 serverless/ 目录下的预置模型覆盖检测、分割、姿态估计、跟踪如 YOLO v7、SAM、RetinaNet。之后打开自动标注面板选择模型、设置标签映射与置信度阈值还可以通过 Region of interest 限定推理范围避免整图乱标。注意模型输出只是草稿置信度偏低的目标、漏检和重复框都要人工过一遍再导出。3D 点云标注什么时候用自动驾驶、机器人等需要 3D 框的场景。CVAT 提供 Top / Side / Front 三视角同步视图主视图绘制 3D cuboid 时三个正交投影视图会实时联动方便对准深度方向。团队协作与质量控制用组织Organization和角色划分成员权限把任务分配给不同标注员支持在画布上评论、发起 issue定位到具体对象沟通问题开启 consensus 模式让多名标注员独立标注同一份数据再按质量分合并结果质量报告可通过 API 拉取接入自有流水线自动化与集成界面操作之外CVAT 适合脚本化调用REST APIcvat/schema.yml 提供了完整的接口描述Python SDKpip install cvat-sdk代码见 cvat-sdk/命令行工具pip install cvat-cli见 cvat-cli/Webhook事件触发外部通知与处理避坑指南端口冲突改 docker-compose.yml 的端口映射不要直接占用已有服务端口内存不够建议至少 8GB处理长视频或大点云时预留更多自动标注里没有模型说明 serverless 组件没部署或对应函数还没用nuctl发布浏览器兼容官方主要测试 Chromium 系浏览器Safari 不在支持范围上传失败先检查视频/点云编码是否常见格式异常会记录在服务日志里容器内可查看下一步建议跑通基础流程后可以按下面的方向继续深入浏览 serverless/ 查看各框架PyTorch、ONNX、OpenVINO、TensorFlow的预置模型与部署说明查看 components/ 了解 Grafana 分析看板和 serverless 的独立部署需要 Kubernetes 环境时直接使用仓库自带的 helm-chart/参考 tests/python/ 中的 REST API 与 SDK 测试用例快速搭建自己的集成脚本视频任务多时重点练习关键帧插值多人团队建议先小范围试跑一次 consensus 流程再铺开【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 上手指南：用 Docker 部署计算机视觉标注平台并完成首个数据集标注

相关推荐

AI率过高别发愁？2026年10款全网最全降AI率工具必收藏（持续更新）

AI率高达90%怎么办？2026年教你降至5%｜5个降AI率技巧+保姆级复活教程（附工具）

紫桐冰酒值得加盟吗？——产品力才是加盟的底气

更多资讯

Generative AI for Beginners 第 16 课解读：开源模型全景解析与选型实战

AI客服在真实的智能体系统里发生的事故

交互式局部放大图：多模型可解释性可视化工具

OpenSSL 构建配置体系详解：Configurations 目录中的目标配置、build.info 与 unified 构建系统

编程语言避坑指南：从入门到实战的正确路径

GE图引擎增加匹配对API

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？