CVAT 计算机视觉标注平台完整部署教程3 步搭好你自己的标注环境【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是一个开源自托管的视觉标注平台覆盖图像、视频和 3D 点云三类数据源。完成本教程的 CVAT 部署后你得到的不是一个空壳打开浏览器就能建任务、传数据、画框、跑 AI 自动标注并把结果导出成训练集格式。全文按先体检、再启动、后上手的顺序走一遍你只需要 Docker 环境剩下的交给命令。部署前 60 秒体检对照这份清单确认环境动手前花一分钟核对硬件和软件版本避免拉到一半才发现磁盘不够检查项最低要求说明Docker20.10.0负责拉起全部服务容器Docker Compose1.29.0负责按编排文件启动整套依赖内存8GB 可用首次拉取镜像和初始化时占用较高磁盘20GB 可用镜像 PostgreSQL/Redis/ClickHouse 数据卷一条命令验证工具链docker --version docker compose version两个版本号都满足上表即可。如果输出里 compose 是独立小写命令docker-compose也能用后续命令对应替换。三步跑起来克隆、启动、验证第 1 步获取源码在你打算长期存放该项目的目录下执行git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat你只用到仓库根目录里的 docker-compose.yml它已经把数据库、缓存、后端、前端、日志分析全部编排好了不需要逐组件安装。第 2 步一键启动docker compose up -d你执行这一条系统会依次做四件事拉取镜像首次较慢取决于网络启动 PostgreSQLcvat_db、Redis 内存缓存cvat_redis_inmem、ClickHouse 等依赖容器启动后端cvat_serverDjango API Nginx启动前端静态服务最终由 Traefik 对外暴露 8080 端口。第 3 步等待并验证首次初始化约需 2~5 分钟。跟日志的方式docker compose logs -f判断就绪的信号cvat_server的日志里出现 Nginx 开始监听的记录且不再有反复重启。此时另开一个终端确认端口curl -I http://localhost:8080收到 HTTP 响应头就说明整套 CVAT 环境已经在线。compose 文件里还暴露了 8090 端口那是日志/监控入口后面进阶部分会提到。登录后的第一件事初始化数据库、建管理员、进页面容器起来不等于能登录。按下面这条操作线走一遍全部在容器内执行 Django 管理命令① 迁移数据库表结构。后端启动时通常会自动迁移但手动跑一次可以确保表结构与代码版本一致docker exec -it cvat_server bash -ic python3 manage.py migrate② 创建管理员账户。交互式命令会连续追问用户名、邮箱、密码输入即可docker exec -it cvat_server bash -ic python3 manage.py createsuperuser③ 打开平台。浏览器访问http://localhost:8080用刚才创建的凭据登录。登录后先建一个项目、再建任务、上传几帧图或一段视频确认整条上传—标注—保存链路都能走通就算部署真正完成了。最实用的三个能力自动标注、3D 点云、画笔工具部署成功后下面三个场景覆盖了 CVAT 日常使用频率最高的功能值得优先熟悉。用 AI 打底先跑自动标注再人工修正创建任务时选择AI 自动标注入口从预训练模型列表如 Human pose estimation 等检测器里挑一个模型会返回它认识的标签供你勾选然后上传数据即可出图它解决的是从 0 到 0.8的问题——模型先把明显的目标框出来、打好初稿标签你只负责纠错和补充。批量数据上省下的重复劳动最可观也是团队协作里分配初稿的依据。模型库、各检测器的差异可以参考 CVAT 模型文档。标 3D点云任务的多视角同步画框如果你的数据是激光雷达点云.pcd/.bin 等CVAT 的 3D 画布提供主视图加 Top/Side/Front 三个正交小窗一次拖拽所有视角的 3D 框同步更新这类界面手动画立体框很吃力多视角同步 参数化调整尺寸、朝向、颜色映射是它的核心价值。自动驾驶方向的标注流程基本都建立在这之上。刷着标Brushing 工具处理像素级分割对像素级语义分割需求CVAT 的画笔工具组让你直接用笔刷在图上涂目标区域可切换笔刷形状、大小涂完自动聚合成多边形配合撤销、擦除和上下文菜单复杂轮廓的标注速度比逐点拉多边形快得多特别适合自然场景植被、水面、不规则物体。翻车自救遇到 A 就查这一条遇到 8080 端口被占用→ 改 docker-compose.yml 里8080:8080的宿主机侧数字例如8081:8080改完docker compose up -d重新加载即可容器内端口不要动后端和日志分析组件都依赖内部 8080。遇到permission denied执行不了 docker→ 当前用户没有 Docker 权限。把用户加入docker组后重新登录或在该会话里按你的团队规范提权执行。遇到镜像拉取慢或超时→ 在 Docker 守护进程配置里加国内镜像加速器registry-mirrors然后删掉半成品镜像重试首次部署下载量大这一步基本都会遇到。遇到页面 502 / 容器反复重启→ 九成是依赖没起来。用docker compose ps看哪几个服务不健康重点盯cvat_dbPostgreSQL和两个 Redis再看docker compose logs -f cvat_server定位具体报错通常是数据卷残留导致清理对应 volume 后重建可恢复。遇到容器起来了但页面空白→ 先curl -I http://localhost:8080区分是后端没就绪等初始化还是端口映射没对上再看浏览器控制台请求的/api路径是否指向同一主机。把效率拉满进阶玩法 上线后行动清单先让数据少跑几帧。视频任务别逐帧标用插值interpolation只标关键帧中间帧自动推演移动目标用 Tracking/Tracker 系列动作起跟踪人工只修断点。这是单条任务上回报最大的两个习惯。把重复操作交给 Actions 和 Bulk 操作。形状转换、批量改标签、跨任务批量操作Bulk Actions 文档能把几十帧的整理工作压成两三次点击。多人协作走质量闭环。给项目配置质量报告quality report对比不同标注员的产出配合 Consensus 多副本投票机制分歧大的样本会自动浮出来复核而不是等甲方验收才发现。盯着监控面板调产能。8090 端口背后是一套基于 Grafana 的监控能看活跃用户、事件耗时、异常堆栈团队版部署时用来定位为什么这个任务卡了上线后的行动清单按顺序勾掉管理员账户已创建http://localhost:8080可登录建第一个项目 任务上传图像或视频并导出一次数据集验证格式正确试一次 AI 自动标注记录初稿准确率决定哪些任务值得开给团队成员开账号并分配任务体验一遍协作流程熟悉 常用快捷键把鼠标操作降到最少需要程序化接入时用官方 SDK/REST API 建任务、导数据把标注流水线接进你的训练流程参考 API/SDK 文档做到这里CVAT 就从装好了变成跑起来了数据进、标注出、格式随训练框架走整个闭环都在你自己的服务器上。【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