CVAT 视觉标注工具：部署到首个自动标注任务的完整教程

CVAT 视觉标注工具：部署到首个自动标注任务的完整教程

【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

人工标注一千张图要多久？逐个手动画框，少说得好几天。CVAT 是一个开源的计算机视觉标注平台，把 AI 自动标注、图像/视频/点云标注和团队协作放在一条流水线里，上传、标注、导出一次跑通，省下的时间直接给模型训练用。

🎯 CVAT 是什么：给 AI 团队用的视觉标注平台

CVAT（Computer Vision Annotation Tool）是构建高质量视觉 AI 数据集的平台，除了手动标注，还内置 AI 自动标注、质检流程和多人协作。官方有开源、云、企业三种产品形态，这里部署的是完全开源的版本。

它覆盖图像、视频、点云三类数据：视频自动切成帧序列，跟踪（track）标几帧就能自动插值，最耗时的环节都被自动化了。

环境上只有一个要求：Docker 能跑就行，16GB 内存体验更佳，磁盘留 20GB 空闲。

🚀 从零到登录：四条命令跑起来

先拿代码，这条命令把整个项目拉到本地。

git clone https://gitcode.com/GitHub_Trending/cvat/cvat

进入目录，一条命令起全部服务：后端、前端、PostgreSQL、Redis 一起拉起来。

cd cvat docker-compose up -d

首次启动要拉几分钟镜像，随时用这条命令看进度。

docker-compose logs -f

数据库初始化（migrate）首次启动会自动完成，不用手动跑。等日志不再滚动，再建管理员账户，这条命令打开交互式建号入口。

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

按顺序输入用户名、邮箱、密码确认，然后浏览器打开http://localhost:8080，就进了工作台。装好只是开始，真正干活是从建第一个项目说起。

📦 跟一个任务走一遍：从建项目到导出数据集

创建项目与上传数据

CVAT 按"项目 → 任务 → 作业"三层组织数据。先建一个项目，点几下定义好"车、行人"这类标签。

接着上传数据：把图片文件夹或视频文件拖进任务里就行。视频会被自动切成分帧序列，不用你手动切片。

AI 打底，笔刷精修

进入标注页面，可以先让 AI 打底：选一个模型，划出感兴趣区域，两分钟就能出一批初始框，你只要逐个核对。

对不满意的框，手动精修。笔刷工具很顺手：直接在图上涂抹，mask 会自动贴合物体边缘；矩形、多边形、点都能画，标签随时可改。

3D 点云标注与结果导出

如果任务是点云（激光雷达），画布会自动切到 3D 视图，直接画立方体，自动驾驶目标检测场景用得最多。

标注完，在任务页点导出，选 COCO、VOC 等格式直接下载，数据集就到手了。多人干活的话，可以把作业分配给不同成员、指定质检人，标注进度实时可查。

🛠️ 提效与避坑：几个常见现象

步骤都一样，但下面这几个坑值得提前记住：

• 8080 端口被占用改docker-compose.yml里的端口映射，重启即可。
• docker 命令没权限加sudo跑，或把当前用户加入docker组。
• 镜像拉取慢给 Docker 配好国内镜像源，再拉一次。
• 服务卡死docker-compose down停掉，再docker-compose up -d重启。
• 团队协作用组织（Organization）管理成员，不同人分配不同角色，实时跟踪标注进度。

到这里，你的第一个数据集已经在路上了。质检、云存储、API 接入这些更深的用法，可以去官方文档和 cvat-sdk/ 里的开发者示例继续看。

【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