CVAT 实战教程：从一条命令到 AI 自动标注的完整上手
【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 是一个开源的视觉数据标注平台，能同时处理图片、视频和 3D 点云。它解决的核心痛点是手动标注太慢：你可以接上自己的 AI 模型先出初稿，再人工精修。读完这篇，你能在自己电脑上跑起一套可用的 CVAT 数据标注环境，并完成一次自动标注。
跑通之前先说清楚要做什么：用 Docker Compose（一条命令拉起整套后端服务的编排工具）把 CVAT 的数据库、后端、界面一次性装好。
从零开始跑起来
先克隆仓库，把代码拿到本地：
git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat进入目录后用一条命令启动全部容器，它会自动拉取镜像并挂载数据卷：
docker compose up -d用docker ps确认出现cvat_server等容器且状态为Up，说明服务起来了。接着创建一个管理员账号，按提示输入用户名和密码：
docker exec -it cvat_server bash -ic 'python3 ~/manage.py createsuperuser'浏览器打开 http://localhost:8080，用刚才的账号登录，就能看到 Projects / Tasks 列表页。到这里，环境就通了 🚀
跑通之后，再来看看 CVAT 除了"能标注"还能干什么。
核心功能拆解
让模型先画框，人工再精修
这是 CVAT 数据标注里最省时间的部分 ✨ 把 YOLO 这类检测模型接进来，让它先扫一遍画面、把框和标签都画出来，你只负责修正。
操作时点标注页左侧的 Magic wand 图标，切到 Detectors 标签，选一个已部署的模型，把模型输出的标签（比如 person）和你任务里的标签对上，再点 Annotate，当前帧就会自动填好标注框。只想分析画面某一块，还能填 Region of interest 指定区域。
内置模型在 serverless/ 目录 里按框架分好，涵盖检测、分割和姿态估计。
用画笔和多边形抠出精细轮廓
模型画得粗的地方，靠手动工具补。画笔工具适合顺着物体边缘扫一圈自动收边，多边形则适合轮廓复杂的对象，一点一个顶点。
用立方体标注 3D 点云
做自动驾驶这类任务时，标注对象从二维框变成三维立方体 🧊 CVAT 提供 Perspective 主视图加 Top / Side / Front 三个正交投影，在任意一个视图里拉框，三个视图会同步对齐，标一次就锁定物体在点云里的位姿。
实战技巧
功能看完，下面这三条是我踩坑后总结的 💡
技巧：视频标注别逐帧点，先在关键帧标一个 Track，再用 Interpolate 让 CVAT 把中间帧插值出来，人只抽查修正。
技巧：自动标注不是万能的，把 Threshold 调高一点，宁可少画框也别留一堆低置信度的废框，省得后面挨个删。
技巧：标完别只盯进度条，打开项目 Analytics 看 Objects diff 和标注速度，哪个标签数量异常高、或某段时间速度骤降，往往就是质量出了问题。
CVAT 的价值在于把 AI 的粗活和人的精修放在同一块画布上：一条命令跑起来，模型出初稿，你负责打磨。现在就去克隆仓库，把手头一组图片传进第一个任务里跑一遍，比读十篇文档都有感觉。
【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
