CVAT 计算机视觉标注工具快速上手指南【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是一个开源的计算机视觉标注平台支持图像、视频和 3D 点云标注。用 Docker Compose 一条命令大约 5 分钟就能在你自己的机器上跑起来数据全程留在本地。一分钟看懂 CVAT这一节帮你确认CVAT 是不是你要找的工具。CVAT 解决的核心问题是手工给视觉数据打标签太慢——你可以为图片、视频帧或激光雷达点云画矩形框、多边形、掩码、关键点也可以接入自己的模型先出一版自动标注再人工修正。它还内置任务分配、多人协作和多格式导出适合需要自建训练数据集的算法团队以及想在本地标注数据、不依赖云服务的个人开发者。技术上它是 Django 后端 React 前端依赖 PostgreSQL 和 Redis全部以容器方式运行你不需要自己装任何依赖。启动前的 3 项检查启动前花一分钟确认环境可以避免大部分卡壳问题。需要满足系统LinuxUbuntu 20.04/22.04 等或 macOSWindows 需自行配好 Docker Desktop已安装 Docker 和 Docker Compose内存至少 8GB16GB 更稳磁盘预留 20GB 以上用下面这条命令确认 Docker 环境可用输出正常的版本信息即可开始docker --version docker compose version最短启动路径clone、启动、访问这一步走通后你会得到一个可登录的 CVAT 实例。为了拉取源码先克隆仓库git clone https://link.gitcode.com/i/988c342f9091213bf916756eb64fb447 cd cvat然后在仓库目录下启动整套服务docker compose up -d首次运行要拉取一批镜像并初始化数据库大约需要 2~5 分钟期间可以用docker compose logs -f观察进度看到服务就绪后按 CtrlC 退出。最后创建管理员账户按提示输入用户名、邮箱和密码docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser完成后打开 http://localhost:8080 登录即可新建任务、上传数据。功能体验3 个最常用的能力跑通之后建议依次试这三个功能基本覆盖了日常标注工作流。手动标注为对象绘制矩形、多边形、掩码、关键点等形状并给对象补充属性和标签。什么时候用从零建立标注数据集这是最基本的操作。3D 点云标注针对激光雷达数据提供俯/侧/正三个同步视角可以画 3D 框。什么时候用做自动驾驶、机器人感知类项目时。自动标注在任务里接入你自己的模型或预置的 Serverless 模型批量生成初版标注再人工修正。什么时候用数据量大、人工标注成本高时。踩坑速查5 个常见问题遇到小问题先在这里对一下大部分情况一条命令就能解决。打不开 http://localhost:8080多半是端口被占用修改 docker-compose.yml 里ports的宿主机端口再重启容器即可。页面样式错乱或标注交互异常CVAT 主要在 Chromium 系浏览器上测试优先使用 Chrome 或 Edge。执行命令报 permission denied给命令加sudo或把当前用户加入 docker 组。镜像拉取慢或失败检查网络或在 Docker 中配置可用的镜像源后重试。界面里看不到自动标注选项默认部署不含模型服务需要加上 serverless 组件再部署模型详见 serverless 说明。最短路径到此就跑通了本地 5 分钟起服务登录后上传数据即可开始标注。更多配置和进阶用法可查阅 官方文档 或 CVAT 社区。【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