如何用 Docker 快速部署 CVATAI 数据标注平台本地启动完整教程【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手里有几百张车间拍下来的缺陷图要框目标一张张贴标签显然不现实。CVAT 是一个开源的 AI 数据标注平台图像、视频、点云都能标还内置了 AI 辅助标注。这篇教程只干一件事教你在本地把它跑起来并完成第一次标注的准备工作。本地跑起来最简克隆 docker 启动命令先看环境一台 LinuxUbuntu/CentOS 都行或 Windows WSL2装好 Docker 和 Docker Compose 即可终端敲一下docker --version能出版本号就说明没问题。机器建议留 8GB 内存磁盘空出 20GB后面拉镜像要占地方。准备工作就这么多直接克隆仓库源码git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat然后在目录里执行一行启动命令Docker 会自动把 PostgreSQL、Redis、后端、前端等一组容器全部拉起来docker compose up -d首次运行需要下载镜像并初始化数据库大概 2~5 分钟想看进度的话另开一个终端跑docker compose logs -f盯着就行。第一次打开界面建管理员、登录、看首屏容器起来后还差一个账号。CVAT 默认没有任何用户需要进容器创建一个超级管理员docker exec -it cvat_server bash -ic python3 manage.py createsuperuser按提示输入用户名、邮箱和密码回车确认即可数据库迁移在这之前已经自动做完不用额外执行。接着打开浏览器访问http://localhost:8080用刚才的账号登录。首屏是一个空的项目/任务列表顶栏挂着 Projects、Tasks、Cloud Storages、Models 几个入口——这对应了它先建容器项目再建任务的组织方式点 Create New Project 起一个大头在里面 Create New Task选标签类别、把图片拖进上传区标注画布就出来了。它能标注什么图像、视频、点云图像是最常见的场景。缺陷检测图、街景照片都行矩形、多边形、分割掩码、关键点这些工具在左侧工具栏随取随用标签和属性在右侧面板管理前面那张任务创建界面就是从这里开始的。视频标注走的是另一套节奏不用逐帧画而是在关键帧上画好框利用目标在时间轴上的连续性做插值和 track 追踪CVAT 会自动把中间帧补齐你在时间轴上抽查修正即可几百帧的视频工作量会小很多。点云则面向自动驾驶和机器人方向支持 PCD、BIN 等格式主画布是 3D 视图下方同步 Top/Side/Front 三个正交投影方框要 3D 贴合而不是平面贴脸启动卡住时的自救 浏览器打不开 localhost:8080。多半是 8080 被别的程序占了看一眼docker-compose.yml里 traefik 的ports段把宿主机端口改成空闲的再重启容器。执行 docker 命令报 permission denied。当前用户不在 docker 组里sudo usermod -aG docker $USER加入组后重新登录生效赶时间的话临时加 sudo 前缀也行。改了配置不生效或者服务整体卡死。用docker compose down docker compose up -d一把重建数据存在命名卷里不会丢。排障细节可以对照仓库里的官方安装文档。跑通之后别急着关终端去界面里建第一个项目把手头那批缺陷图传进去——从这一刻起你拥有的就是一条完整可用的标注流水线了。【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
