尧图网站建设 
CVAT数据标注平台快速上手指南本地部署与第一次标注完整教程【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手头有一批图片要做目标检测标注或者一段视频需要逐帧标出运动轨迹CVAT 数据标注平台Computer Vision Annotation Tool是开源的视觉数据标注工具支持图像、视频和 3D 点云标注并提供 AI 辅助标注、团队协作与 20 多种导出格式。下面按一条完整的使用旅程走一遍部署、标注、用 AI 加速、团队协作最后把数据导出给训练框架。它适合谁CVAT的典型使用场景算法工程师需要把标注数据直接对接 COCO、YOLO 等训练格式减少格式转换成本标注团队负责人需要分配任务、跟踪进度、做质检CVAT 内置项目/任务/作业的三级组织与角色体系数据自持要求高的企业CVAT Community 为 MIT 协议可完全部署在自己的基础设施内视频与 3D 标注需求方支持点云 cuboid、骨骼、关键点等标注类型想先零成本试用的新手官方提供在线版可直接在浏览器体验不必先搭环境5分钟本地部署Docker Compose 一键启动前置条件只需安装 Docker Engine、Docker Compose 和 Git。推荐使用 Chromium 系浏览器Chrome、EdgeSafari 不受支持。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d启动完成后创建管理员账号首次部署必做docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser浏览器打开http://localhost:8080用刚创建的账号登录。如果访问的不是本机可提前设置export CVAT_HOST你的IP或域名。这套编排默认拉起 PostgreSQL、Redis、服务端、前端、Grafana 分析面板等组件全部配置都在docker-compose.yml中可查。其余方案一句话带过Kubernetes 环境可用仓库内的 Helm Chart 部署只想快速验证功能可用官方在线版试用。第一次标注怎么做创建任务到画出第一个框以标注 100 张含行人的街景图片为例登录后进入 Projects 页面创建项目并定义标签如person、car可为标签设置颜色和属性在项目中创建任务Task上传压缩后的图片包选择视频或图像序列类型打开任务左侧工具栏选 Rectangle 工具在行人身上拖动画出边界框右侧属性面板选择标签类别按N切到下一帧继续需要精细轮廓时换 Polygon 工具依次点击轮廓关键点双击闭合想快速涂抹区域可用画笔工具图中展示的是属性标注模式选中一个标注对象后可以在面板上填写结构化属性如是否戴帽子、朝向这些信息会随导出数据一起输出。视频标注时配合轨迹Track功能标一次可在后续帧间插值。3D 数据则进入点云画布用内置AI模型加速自动标注配置流程CVAT 通过 Serverless 函数Nuclio挂载预构建模型仓库内自带 9 个开箱模型覆盖检测、分割、姿态估计、跟踪模型框架用途Segment Anything (SAM)PyTorch交互式分割YOLO v7ONNX目标检测RetinaNet R101PyTorch目标检测HRNet32 Whole Body PosePyTorch姿态估计TransTPyTorch目标跟踪Face Detection 0205OpenVINO人脸检测启用步骤docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d这会拉起 Nuclio 基础设施。接着用nuctl部署你需要的模型以 SAM 为例cd serverless/pytorch/facebookresearch/sam/nuclio nuctl deploy function.yaml部署完成后回到标注界面点击 Auto Annotation 按钮即可在模型列表中选择它。对已有粗框想精细化分割时可框选 ROI 区域调用 SAM 交互式生成掩码。GPU 环境部署时可换用function-gpu.yaml。团队协作与质量检查任务分配和进度跟踪CVAT 的组织层级是组织Organization→ 项目 → 任务 → 作业Job。分配创建组织后邀请成员并分配角色把任务切分为多个作业后指派给不同标注员每人只看到自己名下的作业进度内置分析面板按用户统计标注量、作业耗时和事件流水底层数据存在 ClickHouse面板入口在http://localhost:8080/analytics配置位于 components/analytics/grafana/dashboards/质检审核员通过评论和 Issue 标记问题帧多人独立标注同一作业后可用 Consensus 对比差异并合并质检与共识合并的执行器在cvat_worker_quality_reports、cvat_worker_consensus容器内运行数据出去20格式导出与下游训练衔接任务页选择 Export Task 即可导出。仓库 cvat/apps/dataset_manager/formats/ 目录下每个文件对应一种格式包括 COCOJSON、YOLOTXT、Pascal VOCXML、KITTI、MOT、Mask、LabelMe、Open Images 等导出可选是否打包图像。两个下游衔接示例目标检测导出 YOLO 格式后训练脚本直接指向导出的labels目录即可无需写转换代码实例分割导出 COCO 格式配合mmdet等框架的配置即可加载想跳过界面批量操作时可用 Python SDKpip install cvat-sdk以编程方式创建任务、上传数据、触发导出示例脚本在cvat-sdk/examples/下终端脚本化则用 命令行工具pip install cvat-cli。高频问题排障部署后最常见的4个坑页面打不开或白屏docker compose ps docker compose logs cvat_server重点看cvat_server和traefik两个容器是否为 Up 状态。忘了管理员账号或登录失败重新执行前面createsuperuser那条命令创建新账号即可服务无需重启。上传大文件失败或很慢检查磁盘空间与cvat_data卷容量超大任务建议拆分为多个小任务分批导入避免单队列长时间阻塞。Auto Annotation 模型列表为空说明 serverless 组件或函数没起来先执行 serverless 的 compose 命令再确认 Nuclio 容器容器名nuclio状态正常。想看服务端报错细节打开http://localhost:8080/analytics的 Grafana 日志面板它聚合了容器日志与事件流。收尾从工具到流程CVAT Community 把标注、质检、导出放在同一套基础设施里数据始终在你自己的环境内配合 SDK 和 REST API 可以嵌入到完整的数据流水线中。建议先按本文完成部署 → 第一个任务 → 一次导出的闭环再按需接入自动标注模型。进阶资源官方文档站点源码用户手册与教程、Python SDK、命令行工具、Helm Chart、更新日志。【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数据标注平台快速上手指南：本地部署与第一次标注完整教程
CVAT数据标注平台快速上手指南本地部署与第一次标注完整教程【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手头有一批图片要做目标检测标注或者一段视频需要逐帧标出运动轨迹CVAT 数据标注平台Computer Vision Annotation Tool是开源的视觉数据标注工具支持图像、视频和 3D 点云标注并提供 AI 辅助标注、团队协作与 20 多种导出格式。下面按一条完整的使用旅程走一遍部署、标注、用 AI 加速、团队协作最后把数据导出给训练框架。它适合谁CVAT的典型使用场景算法工程师需要把标注数据直接对接 COCO、YOLO 等训练格式减少格式转换成本标注团队负责人需要分配任务、跟踪进度、做质检CVAT 内置项目/任务/作业的三级组织与角色体系数据自持要求高的企业CVAT Community 为 MIT 协议可完全部署在自己的基础设施内视频与 3D 标注需求方支持点云 cuboid、骨骼、关键点等标注类型想先零成本试用的新手官方提供在线版可直接在浏览器体验不必先搭环境5分钟本地部署Docker Compose 一键启动前置条件只需安装 Docker Engine、Docker Compose 和 Git。推荐使用 Chromium 系浏览器Chrome、EdgeSafari 不受支持。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d启动完成后创建管理员账号首次部署必做docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser浏览器打开http://localhost:8080用刚创建的账号登录。如果访问的不是本机可提前设置export CVAT_HOST你的IP或域名。这套编排默认拉起 PostgreSQL、Redis、服务端、前端、Grafana 分析面板等组件全部配置都在docker-compose.yml中可查。其余方案一句话带过Kubernetes 环境可用仓库内的 Helm Chart 部署只想快速验证功能可用官方在线版试用。第一次标注怎么做创建任务到画出第一个框以标注 100 张含行人的街景图片为例登录后进入 Projects 页面创建项目并定义标签如person、car可为标签设置颜色和属性在项目中创建任务Task上传压缩后的图片包选择视频或图像序列类型打开任务左侧工具栏选 Rectangle 工具在行人身上拖动画出边界框右侧属性面板选择标签类别按N切到下一帧继续需要精细轮廓时换 Polygon 工具依次点击轮廓关键点双击闭合想快速涂抹区域可用画笔工具图中展示的是属性标注模式选中一个标注对象后可以在面板上填写结构化属性如是否戴帽子、朝向这些信息会随导出数据一起输出。视频标注时配合轨迹Track功能标一次可在后续帧间插值。3D 数据则进入点云画布用内置AI模型加速自动标注配置流程CVAT 通过 Serverless 函数Nuclio挂载预构建模型仓库内自带 9 个开箱模型覆盖检测、分割、姿态估计、跟踪模型框架用途Segment Anything (SAM)PyTorch交互式分割YOLO v7ONNX目标检测RetinaNet R101PyTorch目标检测HRNet32 Whole Body PosePyTorch姿态估计TransTPyTorch目标跟踪Face Detection 0205OpenVINO人脸检测启用步骤docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d这会拉起 Nuclio 基础设施。接着用nuctl部署你需要的模型以 SAM 为例cd serverless/pytorch/facebookresearch/sam/nuclio nuctl deploy function.yaml部署完成后回到标注界面点击 Auto Annotation 按钮即可在模型列表中选择它。对已有粗框想精细化分割时可框选 ROI 区域调用 SAM 交互式生成掩码。GPU 环境部署时可换用function-gpu.yaml。团队协作与质量检查任务分配和进度跟踪CVAT 的组织层级是组织Organization→ 项目 → 任务 → 作业Job。分配创建组织后邀请成员并分配角色把任务切分为多个作业后指派给不同标注员每人只看到自己名下的作业进度内置分析面板按用户统计标注量、作业耗时和事件流水底层数据存在 ClickHouse面板入口在http://localhost:8080/analytics配置位于 components/analytics/grafana/dashboards/质检审核员通过评论和 Issue 标记问题帧多人独立标注同一作业后可用 Consensus 对比差异并合并质检与共识合并的执行器在cvat_worker_quality_reports、cvat_worker_consensus容器内运行数据出去20格式导出与下游训练衔接任务页选择 Export Task 即可导出。仓库 cvat/apps/dataset_manager/formats/ 目录下每个文件对应一种格式包括 COCOJSON、YOLOTXT、Pascal VOCXML、KITTI、MOT、Mask、LabelMe、Open Images 等导出可选是否打包图像。两个下游衔接示例目标检测导出 YOLO 格式后训练脚本直接指向导出的labels目录即可无需写转换代码实例分割导出 COCO 格式配合mmdet等框架的配置即可加载想跳过界面批量操作时可用 Python SDKpip install cvat-sdk以编程方式创建任务、上传数据、触发导出示例脚本在cvat-sdk/examples/下终端脚本化则用 命令行工具pip install cvat-cli。高频问题排障部署后最常见的4个坑页面打不开或白屏docker compose ps docker compose logs cvat_server重点看cvat_server和traefik两个容器是否为 Up 状态。忘了管理员账号或登录失败重新执行前面createsuperuser那条命令创建新账号即可服务无需重启。上传大文件失败或很慢检查磁盘空间与cvat_data卷容量超大任务建议拆分为多个小任务分批导入避免单队列长时间阻塞。Auto Annotation 模型列表为空说明 serverless 组件或函数没起来先执行 serverless 的 compose 命令再确认 Nuclio 容器容器名nuclio状态正常。想看服务端报错细节打开http://localhost:8080/analytics的 Grafana 日志面板它聚合了容器日志与事件流。收尾从工具到流程CVAT Community 把标注、质检、导出放在同一套基础设施里数据始终在你自己的环境内配合 SDK 和 REST API 可以嵌入到完整的数据流水线中。建议先按本文完成部署 → 第一个任务 → 一次导出的闭环再按需接入自动标注模型。进阶资源官方文档站点源码用户手册与教程、Python SDK、命令行工具、Helm Chart、更新日志。【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