CVAT 部署教程三步在你机器上跑起免费的 AI 数据标注平台【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 是一个开源的 AI 数据标注平台支持图像、视频和 3D 点云标注还内置了 AI 辅助标注、质量检查和团队协作能力。今天这篇教程不啰嗦概念目标是让你按顺序敲几条命令在大约 10 分钟内拿到一个能登录、能标数据的本地环境最后再附上最常见的卡点排查清单。跟着做即可。先回答两个问题要什么环境、多久能起来在动手之前先把预期立好环境要求一台安装了 Docker 与 Docker Compose 的 Linux 机器Ubuntu、CentOS 均可内存建议 8GB 以上磁盘至少留出 20GB。时间预期首次up需要拉取镜像并初始化通常 2~5 分钟之后每次重启都是一分钟内。最终产物浏览器打开http://localhost:8080就能看到登录页后端 API、前端界面、数据库、缓存全部由 Compose 一起拉起。也就是说你不需要自己装 Python、Postgres 或 Redis——这是 Docker 化的 CVAT 最大的省事之处。部署前自检两条命令确认 Docker 环境可用先验证本机 Docker 是否就绪。这一步失败的话后面都不用继续了docker --version docker compose version两条命令都应该输出版本号老版本写docker-compose --version也可以。如果你的用户没有加入 docker 组命令会报权限错误把当前用户加进docker组后重新登录即可不必直接上 sudo。确认无误后把源码拉下来。仓库地址如下git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat成功后本地会出现cvat/目录里面包含 docker-compose.yml、Dockerfile 等部署所需的全部文件。部署落地一条命令启动全部服务日志里看什么进入源码目录后启动整个 CVAT 只需要一条命令docker-compose up -d它会在后台拉起后端、前端、数据库和缓存等容器。想看初始化进度开另一个终端跟踪日志docker-compose logs -f判断成功的标准日志滚动到各服务正常启动后用curl -I http://localhost:8080或浏览器访问能打开登录页面就说明核心链路已经通了。第一次启动稍慢属于正常现象耐心等镜像拉取完成。首配跑通创建管理员账号并首次登录服务起来后第一件事是建一个超级管理员账号。在仓库根目录执行docker exec -it cvat_server bash -ic python3 manage.py migrate这条命令确保数据库表结构初始化到位重复执行无副作用。然后创建管理员docker exec -it cvat_server bash -ic python3 manage.py createsuperuser按提示依次输入用户名、邮箱、密码。完成后打开http://localhost:8080用刚才的账号登录——能看到项目列表页部署就算真正完成了。 后续如果要管用户权限可以进http://localhost:8080/admin的 Django 管理面板给成员分配 user、admin、worker 等角色多团队场景下组织结构由 cvat/apps/organizations/ 这一模块负责。进入标注界面这几个能力值得第一时间试试登录之后不要只盯着空项目发呆按下面的顺序点一圈你对这套标注平台强在哪会有直接感受。1. 创建任务并上传数据。新建任务时可以选择标签、指定文件来源本地上传、文件共享、远程源、云存储2. 用 AI 辅助标注。CVAT 内置了模型市场接入模型后可以直接对选中的帧做自动标注再人工修正比纯手标快得多。相关模型部署脚本在 serverless/ 目录后端 AI 能力见 ai-models/。3. 体验 2D 画刷与 3D 点云工作台。2D 端有矩形、多边形、画刷、骨架等全套工具如果数据是激光雷达点云3D 工作台支持 Top/Side/Front 三视图联动4. 团队跑起来之后看分析面板。任务维度的统计会汇总标注对象数、总工时、平均标注速度和按标签/形状类型的分布方便管理者盯进度和估产能另外中小团队常用的还有质量管控——通过 cvat/apps/quality_control/ 配置的对比需求可以自动生成一致性检查报告减少返工。哪里容易卡端口、权限、重启三件事部署过程真正容易出问题的地方基本就集中在下面三处8080 端口被占用改 docker-compose.yml 里的端口映射如改成8081:8080浏览器访问新端口即可注意 Compose 内 traefik 入口点也要对应调整。Docker 权限报错确认执行命令的用户有 docker 权限参考前文的 docker 组配置。需要彻底重部署docker-compose down docker-compose up -ddown会移除容器但保留数据卷所以重建后账号和数据还在如果日志报错用docker-compose logs -f定位到具体服务多数情况是镜像还在拉取或数据库初始化未完成稍等即可。下一步清单到这里一个可用的 CVAT 标注平台已经在你手上了。建议按这个顺序继续上传一个小数据集新建任务跑一遍完整标注流程在模型市场接入一个 AI 模型体验自动标注邀请同事注册账号用组织功能划好团队边界配置质量对比需求让检查报告自动跑起来把这套环境复制到团队其他成员的本机或内网服务器作为日常标注入口【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