CVAT开源标注工具完整指南Docker本地跑起来AI预标注团队协作多格式导出【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计算机视觉标注工具是一款开源的视觉数据标注引擎在浏览器里就能完成画框、多边形、掩码、关键点和3D点云标注并把结果导出为COCO、YOLO等训练格式。一个人做数据集或者带团队做标注流水线都能从它开始。单人上手用Docker把CVAT标注工具跑起来当你要给几千张图打标注框时在线SaaS工具的账号、流量限制会先挡住你。本地部署CVAT可以避开这个问题所有数据留在自己的机器上浏览器即是界面。项目根目录已经带好docker-compose.yml两条命令即可启动git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d第一次访问http://localhost:8080时页面会引导你创建第一个账号这个账号自动拥有管理员权限不需要记什么默认口令。用docker compose ps可以确认cvat_server、cvat_ui等服务都是 running 状态。遇到启动慢时不用慌。第一次运行要拉取PostgreSQL、Redis、ClickHouse等一串镜像等待几分钟属正常现象之后再启动就是秒级。创建第一个任务上传图片和画出第一个框打开界面后先建 Project项目用于归类多个任务再在 Project 里建 Task任务一组具体的图片/视频序列。创建任务时注意两件事数据来源支持本地上传单个文件、zip压缩包也可以填一个图片URL列表。标签定义在 Labels 里添加类别比如car、pedestrian还能给类别挂属性颜色、尺寸等。这些标签决定了导出文件里的类别表。进入编辑器后顶部工具栏选矩形多边形等形状工具直接在图上画。把鼠标悬停在任意按钮上会显示快捷键提示按F1能打开完整快捷键面板CtrlZ撤销、CtrlShiftZ重做。全部快捷键都能在用户菜单 → Settings → Shortcuts里改官方说明见site/content/en/docs/getting_started/shortcuts.md。AI预标注框不用自己画让模型先画标注最耗时的动作是重复画框。CVAT内置了模型服务流程是在 Models 页面注册一个检测模型 → 选中任务的若干帧 → 运行模型 → 点Apply把结果应用为可编辑的标注形状。人只需要修正模型画错的部分。模型配置放在独立的 cvat-models 仓库维护仓库里的ai-models/目录说明了这一迁移。若模型不方便走外部服务项目也提供了serverless/目录内置了 OpenVINO、PyTorch、TensorFlow、ONNX 四类本地推理模型配置部署后可直接在CVAT里调用。不止2D掩码、骨架和3D点云也覆盖不同任务需要不同标注形式CVAT在一个界面里都做了掩码/分割画笔、橡皮擦、像素级涂抹适合语义分割。骨架Skeleton为姿态估计标注人体关键点先按模板配置骨骼结构再在图上逐点标注。3D点云导入PCD点云文件在3D画布上画矩形框Cuboid支持旋转、缩放。不确定选哪种形状时直接看任务目标检测用矩形框精确分割用多边形或掩码时序视频里的移动目标用Track轨迹模式只标一帧、自动追踪后续帧。团队协作任务分片、打分与进度看板标注量上来之后单人模式失效需要分活 质检 看进度。CVAT用 Organization组织做团队容器cvat/apps/organizations/模块管理成员和角色把标注员、审核员拉进同一组织再把他们分配到具体项目。项目内可以拆成 Job作业单元每人领一段对质量要求高的项目可开 Consensus共识标注同一段数据多人都标系统按投票得分聚合结果分歧大的帧被单独标出来复审。进度不用口头汇报。Analytics 菜单下的看板直接给出各成员标注量、各类别数量、时间趋势等统计质量报告Quality Reports还能按相似度自动挑出两份标注差异大的帧。导出不踩坑格式清单与操作路径标注完的价值全在导出。操作路径固定任务详情页 → Export dataset → 选格式 → 下载。可选格式的实现都在cvat/apps/dataset_manager/formats/目录下常见的有目标用途选这个格式检测通用训练COCOYOLO系列模型YOLO老项目兼容Pascal VOC、LabelMe多目标跟踪MOT、MOTS语义/实例分割Mask自动驾驶KITTI、Cityscapes点云PCD point cloud三个高频坑类别名不匹配导出文件里的类别顺序取自你建任务时定义的Labels训练代码里的类别表要和它对齐不要凭记忆填。属性没导出部分格式不支持自定义属性导出前先看格式说明别指望VOC格式能带上你的颜色字段。任务太大导得慢导出是后台任务页面会显示进度超大项目建议按Project分批导出。常见坑与解法页面打不开先跑docker compose ps看哪个服务没起来再看docker compose logs cvat_server定位报错。标注卡顿优先用Chrome/Edge最新版图片分辨率过高的任务适当降低缩放级别或分批打开。模型注册失败检查模型服务是否可达本地推理优先用serverless/里的现成配置减少自己打包模型的出错面。快捷键和浏览器冲突部分组合键如CtrlW被浏览器或系统保留无法重绑避开即可。从今天的第一个任务开始把一批图片传上去用AI预标注跑一遍再导出成YOLO格式喂给你的训练脚本——这条链路完整走通一次你就有了自己的数据生产线。下一步可以看看cvat-sdk/里的Python SDK和cvat-cli/命令行工具把创建任务、导入标注、批量导出全部脚本化交给定时任务自动执行。【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
