CVAT 上手指南：用 Docker 部署计算机视觉标注平台并完成首个数据集标注-开发者社区

CVAT 上手指南：用 Docker 部署计算机视觉标注平台并完成首个数据集标注

【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/cvat

CVAT（Computer Vision Annotation Tool）是一个开源、可自托管的计算机视觉标注平台，支持图像、视频与 3D 点云三类数据的标注，内置模型辅助自动标注、团队协作、质量检查和多格式导出能力。本文带你在本机跑通 CVAT，并完成从导入数据到导出数据集的完整流程。

3 分钟在本地跑起 CVAT

准备环境：安装好 Docker Engine 和 Docker Compose，浏览器建议使用 Chrome 或 Edge。

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

服务拉起后，创建管理员账号：

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

浏览器打开http://localhost:8080登录即可。如果 8080 端口被占用，修改 docker-compose.yml 中的端口映射后重新up -d就行。首次拉取镜像较慢，属于正常现象，耐心等待。

核心工作流：从原始数据到可导出数据集

创建项目并定义标签

在首页创建 Project（项目），再在项目下新建 Task（任务）。任务创建弹窗里要做两件事：

定义标签：如 car、person、bicycle
为标签追加属性：如遮挡程度、颜色，后续导出时可一并带上

导入数据

在 "Select files" 区域选择数据来源：本机文件、共享文件夹、远程 URL 或云存储（S3、Azure、GCS）。上传一个视频文件，或者拖入一个包含多张图片的压缩包都可以。

画框与视频插值

进入标注画布后，用左侧工具栏绘制矩形、多边形、关键点等图形。右侧的 Objects 列表展示当前帧所有标注，可以直接改名、删除或调整顺序。

视频任务不需要逐帧标注。在第一帧画出目标，切到后面某一帧把目标放到新位置，CVAT 会自动插值出中间帧的标注；运动幅度大的目标多补几个关键帧即可。这样一段长视频的工作量能缩减一大截。

检查与导出

标注完成后，从任务或 Job 的菜单中选择导出，选择目标格式。CVAT 支持 20 余种行业通用格式：COCO、YOLO、Pascal VOC、KITTI、CVAT XML 等，下游训练框架基本都能直接消费。

按场景进阶

模型辅助自动标注

什么时候用：数据量大、目标类型重复时，先让模型出一版草稿，人工只做修正。

先把 serverless 组件加入部署：

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

再安装nuctl，按需部署 serverless/ 目录下的预置模型（覆盖检测、分割、姿态估计、跟踪，如 YOLO v7、SAM、RetinaNet）。之后打开自动标注面板，选择模型、设置标签映射与置信度阈值，还可以通过 Region of interest 限定推理范围，避免整图乱标。

注意：模型输出只是草稿，置信度偏低的目标、漏检和重复框都要人工过一遍再导出。

3D 点云标注

什么时候用：自动驾驶、机器人等需要 3D 框的场景。CVAT 提供 Top / Side / Front 三视角同步视图，主视图绘制 3D cuboid 时，三个正交投影视图会实时联动，方便对准深度方向。

团队协作与质量控制

用组织（Organization）和角色划分成员权限，把任务分配给不同标注员
支持在画布上评论、发起 issue，定位到具体对象沟通问题
开启 consensus 模式让多名标注员独立标注同一份数据，再按质量分合并结果
质量报告可通过 API 拉取，接入自有流水线

自动化与集成

界面操作之外，CVAT 适合脚本化调用：

REST API：cvat/schema.yml 提供了完整的接口描述
Python SDK：pip install cvat-sdk，代码见 cvat-sdk/
命令行工具：pip install cvat-cli，见 cvat-cli/
Webhook：事件触发外部通知与处理

避坑指南

端口冲突：改 docker-compose.yml 的端口映射，不要直接占用已有服务端口
内存不够：建议至少 8GB，处理长视频或大点云时预留更多
自动标注里没有模型：说明 serverless 组件没部署，或对应函数还没用nuctl发布
浏览器兼容：官方主要测试 Chromium 系浏览器，Safari 不在支持范围
上传失败：先检查视频/点云编码是否常见格式，异常会记录在服务日志里，容器内可查看

下一步建议

跑通基础流程后，可以按下面的方向继续深入：

浏览 serverless/ 查看各框架（PyTorch、ONNX、OpenVINO、TensorFlow）的预置模型与部署说明
查看 components/ 了解 Grafana 分析看板和 serverless 的独立部署
需要 Kubernetes 环境时，直接使用仓库自带的 helm-chart/
参考 tests/python/ 中的 REST API 与 SDK 测试用例，快速搭建自己的集成脚本
视频任务多时，重点练习关键帧插值；多人团队建议先小范围试跑一次 consensus 流程再铺开

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

CVAT 上手指南：用 Docker 部署计算机视觉标注平台并完成首个数据集标注