CVAT 标注平台从原始视频到 COCO 数据集的 15 分钟完整路径【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训练检测模型前最耗时的环节往往是手动框图一两千张图、几个类别纯人工要干好几天。CVATComputer Vision Annotation Tool是一个免费的开源计算机视觉标注平台支持图像、视频和 3D 点云标注内置 AI 自动标注与团队协作兼容 COCO、YOLO、PASCAL VOC 等 20 余种导出格式。读完这篇你能在本地拉起一套 CVAT 标注环境走通建任务 → 标注 → AI 加速 → 导出训练数据的完整流程。先看 CVAT 标注平台能帮你做什么 全套标注工具矩形框、多边形、折线、关键点、掩码、3D cuboid、tag覆盖检测、分割、姿态估计三类任务AI 辅助自动标注接入 YOLO、RetinaNet、SAM、HRNet 等预置模型先出初稿再人工修正视频序列标注关键帧标注 插值 目标跟踪中间帧自动生成3D 点云标注多视角Top/Side/Front同步显示适配自动驾驶场景团队协作与质检多组织、角色分配、任务指派、consensus 对比、进度实时跟踪自动化入口20 格式导出配合cvat-sdkPython、cvat-cli和 REST API 接入流水线十分钟跑起来CVAT 标注环境的 Docker 部署前提装好 Docker Engine 和 Docker Compose机器内存建议 16GB 以上最低 8GB。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat # export CVAT_HOSTyour-ip-or-domain # 可选指定访问地址 docker compose up -d首次启动需要创建管理员账号docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser按提示输入用户名、邮箱、密码。浏览器打开http://localhost:8080用刚创建的账号登录看到 Projects 列表页即表示部署成功。走一遍完整流程建任务、AI 标注、导出数据集建任务并定义标签在 Projects 页点左上角 号进入任务创建界面。填任务名在 Labels 区域点 Add label 逐个添加类别如 person、car可为标签设置颜色和属性再在 Select files 选择本地上传、挂载目录或远程 URL 导入图片、视频或压缩包。提交后任务出现在列表中下方 Jobs 表格显示帧范围、标注状态和可指派的标注员——这就是做完后你会看到什么一个可进入标注的初始状态任务。画第一笔手动标注打开任务进入标注画布。顶部工具栏切换播放帧左侧面板选中标签和形状Rectangle、Polygon、Points 等在画布上拖拽即可画出标注右侧 Labels 面板列出已有对象可改类别、填属性、删除。视频任务只标关键帧CVAT 会按插值规则自动补全中间帧。用 AI 把初稿交给模型要让 Auto annotation 可用需先拉起 serverless 组件docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d再用nuctl部署具体模型函数YOLO、RetinaNet 等模板在 serverless/ 目录下。之后在画布顶部菜单选 Auto annotation选模型、把模型输出类别映射到你定义的标签、设置置信度阈值和 ROI 区域点 Annotate。几秒后画布上出现一批初始标注你的工作从从零框变成逐个修正。导出训练格式标注完成后点画布左上角菜单 → Export job dataset在弹窗中选择格式CVAT XML、COCO JSON、YOLO TXT、PASCAL VOC、KITTI、MOT 等 20 余种勾选是否附带图片点 OK 即可下载 zip。各格式的解析与序列化逻辑在 cvat/apps/dataset_manager/formats/ 中实现改格式行为可以直接看源码。让效率再翻一倍进阶技巧与配置 1. Brushing 画刷像素级掩码的批量画法。对需要精确分割的标签开启 Brushing 模式用笔刷在物体上涂抹CVAT 自动生成贴合边缘的掩码比逐点画多边形快得多。2. 3D 点云任务。创建任务时选择 point cloud 数据画布切换为 3D 视图主视图绘制 cuboid下方 Top/Side/Front 三视图联动适合激光雷达数据。3. 快捷键与自动化。常用按键CtrlS保存、CtrlZ撤销、N/P切换帧完整清单见 site/content/en/docs/getting_started/shortcuts.md。批量场景别用手点 UIpip install cvat-sdk后可用 Python 脚本完成建任务、上传、拉取标注、触发导出接入 CI 做数据回灌。遇到卡点先看这里 ⚡8080 端口被占用页面打不开—— 其他服务占用了默认端口。改 docker-compose.yml 中 UI 的端口映射再docker compose down docker compose up -d。启动后浏览器一直转圈或容器反复重启—— 内存不足CVAT 后端 UI 数据库吃满 8GB 是常态。docker compose down后释放内存再拉起或临时docker system prune清掉无用镜像。Auto annotation 菜单里没有模型可选—— 只拉了主 compose 文件没部署模型函数。先执行上面的 serverless compose 命令再用nuctl部署至少一个检测模型。下一步到这里你手上应该有了✅ 本地可用的 CVAT 标注服务Docker 一键部署✅ 带标签体系的任务与首个标注 Job✅ AI 辅助自动标注的启用路径✅ 20 格式的数据集导出方法✅ 掩码、3D、快捷键等效率进阶手段✅ 三个高频部署故障的处置办法打开终端把开头的三条命令跑一遍十分钟后你会有第一个可以导出的标注数据集——把它喂给训练脚本剩下的交给 GPU。【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
`)
