CVAT计算机视觉标注工具Docker部署：10分钟跑通图像视频3D标注平台-开发者社区

CVAT计算机视觉标注工具Docker部署：10分钟跑通图像视频3D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/cvat

CVAT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，内置AI辅助标注、团队协作和多格式数据集导出。这篇实操带你用Docker Compose把它完整跑起来，从零走到第一个标注任务完成。

为什么CVAT值得装

做视觉AI的团队，最耗人力的是把原始影像变成带统一格式的训练样本。CVAT让数据直接在浏览器里组织成项目、拆分成任务和作业（job），分派给不同标注员并实时看到进度。标注完的数据能直接导出COCO、YOLO、Pascal VOC等20多种主流格式，省去手写转换脚本。数据敏感不能出内网时，CVAT Community以MIT协议跑在你自己的服务器上，数据全程不出环境。标注引擎核心逻辑在cvat/apps/engine/，Python SDK源码在cvat-sdk/，方便你二次开发和自动化。

部署前确认Docker环境与8080端口

Linux系统（Ubuntu 20.04+或其他发行版），Docker Engine 20.10+，Docker Compose v2
内存至少8GB（建议16GB），磁盘预留20GB以上
浏览器用Chrome/Edge等Chromium内核，Safari不受支持
确认8080端口未被占用：ss -lntp | grep 8080，无输出即可

一条命令验证依赖是否齐全：

docker --version && docker compose version

两个版本号都能正常打印，环境就没问题。

拉取CVAT代码并启动Docker Compose

git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d

up -d会拉取并启动整套栈：Django后端、React前端、PostgreSQL数据库、内存版与磁盘版两个Redis实例，具体服务定义见docker-compose.yml。首次拉取镜像需要2-5分钟。

docker compose ps && docker compose logs -f

容器全部为Up状态、日志没有循环报错即表示就绪。如果部署在带公网IP或域名的机器上，启动前先export CVAT_HOST=你的IP或域名，后端地址会跟着这个环境变量走。

创建超级用户并登录8080控制台

docker exec -it cvat_server bash -ic 'python3 ~/manage.py createsuperuser'

按提示输入用户名、邮箱和密码，这个账户就是管理员。浏览器打开http://localhost:8080（或你的CVAT_HOST），用它登录，右侧菜单里能看到Projects、Tasks、Jobs等完整工作区。

把第一个标注任务建起来

登录后直接建任务验证全链路：顶部菜单进入Tasks → Create New Task，上传一个图片目录或一段视频，选择对应数据格式；在Labels区输入至少一个标签名（比如car、person）并确认，任务会自动拆成一个job。

进入job标注画布，选择矩形框工具在画面上框选目标，用顶部播放控制逐帧前进；如果标注的是track（轨迹对象），开启track模式后框选会自动在帧间传播，不用每帧重画。存几帧之后刷新页面数据还在，说明写入链路已通。

创建界面里还有一个Select a model to pick labels下拉框，选了模型后标签可以直接从模型的输出类别中生成，这是后文AI自动标注的入口。

进阶：AI自动标注与3D点云画布

AI自动标注：社区版通过serverless组件接入模型做自动标注，内置YOLO v7、SAM、Faster RCNN等模板，函数代码在serverless/目录。启动时叠加serverless的compose文件即可：

docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d

随后安装nuctl工具部署你需要的模型函数。回到标注界面打开Automatic annotation面板，选模型、把模型类别映射到任务标签、设置置信度阈值和ROI范围，点Annotate后画布上会自动铺出检测框，人工只需修正，效率比纯手工高一个量级。

3D点云标注：创建任务时上传KITTI点云数据，画布自动切到3D模式，顶部主视图配合Top、Side、Front三个正交小视图联动，鼠标拖拽即可画出cuboid立方体框，右侧面板还能控制颜色分组和透明度。

部署与登录卡住时先查这些

up -d后8080页面一直加载或超时→ 首次启动镜像拉取和数据库迁移还没跑完，属于正常现象 → 等2-5分钟，用docker compose logs -f确认无错误循环；确认迁移没完成可进容器手动执行python3 ~/manage.py migrate。

8080端口被本机其他服务占用→ 启动文件里入口地址写死为:8080，不能改仓库内文件 → 在仓库外新建一个compose.override.yml覆盖端口映射，然后用docker compose -f docker-compose.yml -f compose.override.yml up -d启动，多文件叠加是Compose官方支持的用法。

登录后页面报502或API请求401→ 后端Django刚起来时WSGI尚未就绪，或登录的不是超级用户 → 等1分钟刷新重试；仍不行就在docker compose ps里确认cvat_server容器是Up，并查看它的日志尾部。

镜像拉取卡在Downloading→ 网络链路对镜像源不友好 → 在/etc/docker/daemon.json（仓库外的系统配置）里配置镜像加速器，重启Docker后重新up -d。