CVAT 标注工具 Docker 快速部署指南AI 预标注 30 格式导出的完整落地【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手头压着几千张图、几百段视频等着标纯靠人肉逐帧画框速度上不去换个人标连结果口径都对不齐。CVATComputer Vision Annotation Tool就是为这类困境准备的开源标注平台机器先预标、人只负责修正多人协作有分工成品还能直接喂给训练流程。读完这篇你能在一台普通 Linux 机器上把它跑起来并且知道针对图像、视频、点云分别该拧哪个旋钮。标得快的秘密CVAT 的核心能力一览在 CVAT 里快不是靠一个人画得猛而是下面这几件事共同撑起来的能力你直接拿到的收益图像、视频、3D 点云同平台处理一个工具通吃三种数据不用在不同软件间倒腾内置 YOLO、SAM 等预训练模型做自动标注机器先打一轮初稿人工只改错漏手动工作量可省 70% 以上角色权限 标注进度跟踪多人分工不互相踩谁标到哪一目了然支持 COCO、Pascal VOC 等 30 格式导出标注成果直接接进模型训练流程省掉中间转换图1CVAT 的 3D 点云标注界面可以在 Top / Front / Side 多个视角间切换交叉核对想更系统地了解这套平台能做什么可以先翻仓库里的 site/README.md 和文档目录 site/content/en/。部署 CVAT 前的环境自查清单动手之前花两分钟过一遍下面的清单能避开后面八成的麻烦操作系统Ubuntu 20.04 / 22.04、CentOS 7 / 8或其他主流 Linux 发行版硬件配置8GB 内存起步16GB 更从容、至少 20GB 可用磁盘、支持 Docker 的 64 位 CPU软件依赖Docker 20.10.0 及以上、Docker Compose 1.29.0 及以上跑两条命令确认版本是否达标docker --version docker-compose --version⚠️ 命令报错或版本不够时先装 Docker 再来。以 Ubuntu 为例执行apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin即可完成安装。三步部署拉代码、起服务、初始化全程只有四条命令按顺序执行即可git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker-compose up -d第一条把 CVAT 仓库拉到你本机的cvat目录第三条让 Compose 后台拉起整组容器——Django 后端、React 前端、PostgreSQL 数据库和 Redis 缓存一起上线。首次运行要拉取约 3GB 镜像网络不畅的话这一步会等得比较久属正常现象。服务起来之后做两件事初始化docker exec -it cvat_server bash -ic python3 manage.py migrate这条在容器里执行数据库迁移把表结构建好。docker exec -it cvat_server bash -ic python3 manage.py createsuperuser这条创建管理员账号按提示填好用户名、邮箱和密码即可。最后打开浏览器访问http://localhost:8080用刚才创建的管理员账号登录就算部署完成了。图2自动标注界面先选预训练模型让机器出初稿再人工微调不同类型的数据怎么标得更快CVAT 调优配置数据形态不同瓶颈也不同。下面三类场景各给改哪个配置 适用什么场景 一个实用技巧数据类型改哪个配置适用场景一个实用技巧图像编辑docker-compose.yml把CVAT_CACHE_SIZE从默认 2GB 调到 4GB目标检测、图像分类等静态图任务N键新建标注、CtrlS保存、Z键撤销手不离键盘视频开启帧缓存设置CVAT_VIDEO_CACHE_DIR/data/cache动作识别、视频跟踪等序列任务关键帧人工标、中间帧交给插值标注自动生成过渡点云加大后端内存设置SERVER_MEMORY_LIMIT8G自动驾驶、三维重建等 3D 任务⚠️ Top / Front / Side 多视图同步标交叉验证降低画偏概率卡住了怎么办常见故障排查故障一8080 端口被占用现象启动时报Bind for 0.0.0.0:8080 failed排查netstat -tulpn | grep 8080找出占着端口的进程解决改docker-compose.yml里的端口映射例如把8080:8080换成8081:8080之后从 8081 访问即可故障二数据库连不上现象日志出现could not connect to server: Connection refused排查docker ps | grep cvat_db看 PostgreSQL 容器是否活着解决⚠️ 清掉数据卷重启docker-compose down -v docker-compose up -d会删库仅限测试环境故障三AI 模型加载失败现象自动标注提示Model not found排查先确认模型服务容器是否正常运行解决重新拉取并启动模型镜像docker-compose pull cvat_ai docker-compose up -d多数情况自动标注即恢复还能往深挖的三件事怎么把 CVAT 接上云存储让标注素材和成品数据集直接存在云上如何通过 REST API 加配套 SDK 做批量建任务、自动导出的流水线COCO、Pascal VOC 等不同标注格式之间按模型训练框架的要求怎么转换CVAT 把机器预标 人工修正 团队协作这条链路做成了开箱即用的平台照上面走完一遍你的标注工作流就能先跑起来剩下的调优等数据真正进来后再按场景慢慢加。【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