CVAT 部署教程：4 步完成第一次 AI 辅助数据标注

CVAT 部署教程4 步完成第一次 AI 辅助数据标注【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/cvatCVAT 是一款开源视觉数据标注平台专为构建视觉 AI 训练数据集而设计。它支持图像、视频与 3D 点云三种数据。想在自己机器上跑通一条完整的数据标注链路——从模型预标注到质量核查——照着本文做一遍即可。全程共四个动作本地部署、配置模型、组织项目任务、用分析面板验收。Docker Compose 一键启动 CVAT 并验证环境本地安装只推荐一种方式Docker Compose。服务端、工作进程、数据库、缓存、前端全部打包成容器不用手动配环境。装好 Docker 与 Docker Compose 后克隆仓库并进入项目目录。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat一条命令拉起全部服务。首次运行要拉取镜像耐心等几分钟。docker compose up -d服务启动后数据库和默认配置会自动初始化无需手动干预。验证点终端执行下面命令全部容器应为 running 状态。docker compose ps然后浏览器打开 http://localhost:8080 看到登录与注册页面就算部署成功。需要管理员权限时进容器创建一个超级用户即可。局域网其他设备要访问启动前把环境变量CVAT_HOST设成自己的 IP。各系统的安装细节可参考 安装指南。配置 AI 模型预标注减少手工标注量CVAT 的 AI 辅助遵循一个固定工作流AI 先标人再修正。模型负责批量画框人只负责精修。在 Models 页面或创建项目对话框里选一个合适的模型。以人体姿态估计为例选中 Human pose estimation再勾选要检测的部位body、feet、face、hands。在自动标注对话框里把模型输出类别映射到项目标签。置信度阈值和 ROI 区域可按数据调整。点 Annotate 开始推理。验证点帧加载后应出现预绘的形状与轨迹。拖拽修正位置、改掉错误类别即可。预标注结果和普通标注一样可编辑、可转成轨迹。结果不满意可清空后重跑。区分项目与任务建立规范标签体系CVAT 中项目是资源与权限的容器任务存放一批标注数据。一个项目可挂多个任务CVAT 项目任务是分工与进度的最小单位。创建项目时上传标签配置 JSON。它定义标签名称、形状类别和属性。对话框里的 Constructor 编辑器可直接生成。标注面板的可选标签完全由它决定。在任务下上传数据图像、视频或点云文件。来源有四个选项本机、已连接的文件共享、远程源、云存储。按数据所在位置选其一。视频任务还可按 job 切分帧段多人并行标注。验证点创建完成后Projects 页面出现新任务。打开任务的标注页标签面板列表与配置文件一致说明标签体系建对了。打开分析面板实时检查标注进度与质量CVAT 内置的分析面板让进度与质量可见不必依赖外部统计。在任务或项目页点 Analytics。右上角选时间范围。Annotations 页签的 Detection、Tracking 子页按标签列出标注数量支持按用户或标签过滤检查每个标注员的产出。验证点表格应显示每个标签的形状数与总数。与预期核对明显偏少的标签就是漏标信号。Events 页签还能追查操作记录并导出为文件。分析模块的完整说明见 analytics 文档。个人实验或团队协作都可以复用上面的流程。CVAT 还提供 3D 标注界面支持顶视、侧视、前视三视角同步标注适合点云数据。【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