企业官网建设流程全解析

CVAT 图像视频标注工具实战指南：Docker 一键部署 + AI 辅助标注教程

【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

训练视觉模型前，你多半卡在同一个环节：手上几百张图、几十段视频，得逐个框出"人"和"车"。人工框一天下来手都酸，进度却慢得让人怀疑人生。CVAT（Computer Vision Annotation Tool）就是干这件事的：一个可自托管的图像、视频与 3D 点云标注平台，支持矩形、多边形、骨架等标注工具，还能接入 YOLO、SAM 这类模型先自动打一遍底，你只做修正。

项目速览

装好之后它就是一个网址，团队里谁都能登录干活，数据留在你自己的机器上。

数据怎么进来

建任务时上传入口支持四种来源：本地电脑、已挂载的文件共享、远程地址、云存储（S3、Azure Blob、Google Cloud 等）。图像方面，Pillow 支持的 JPEG、PNG、TIFF 都能读；视频走 FFmpeg 解码，MP4、AVI、MOV 都行；3D 场景用.pcd、.bin点云。一次可以传一个压缩包含整批图片的归档，不必逐张上传，详见 getting_started/overview.md。

标注怎么做

进入任务后，左侧工具栏就是标注工作台：矩形、多边形、椭圆、画笔（含"沿已有边界绘制"的自动描边）、关键点、骨架，3D 场景下则是 cuboid。它的工作方式值得先理解一条——首帧标好，后续帧自动传播：你在视频第 1 帧框住一辆车，CVAT 会把这个框沿时间轴跟过去，形成 track，你只需在跟踪漂移的地方手动修两下，比逐帧手框省力得多。

嫌手动也慢？就挂模型。仓库自带一批基于 Nuclio 的 serverless 预置模型（YOLOv7、RetinaNet、SAM、TransT 跟踪、HRNet 姿态等，列表见 serverless/），在标注界面打开 Automatic annotation 面板，选模型、把模型输出的类别映射到你定义的标签、设好阈值，点 Annotate，整段视频的框就自动铺满：

3D 点云则提供顶视/侧视/前视三视口联动的立方体标注，适合自动驾驶这类场景：

标完之后质量怎么保证？项目、任务、Job 三级结构把工作切给不同标注员；评审员可以在结果里留 issue、打回返工；还能用 Ground Truth 和 Honeypot 检查计算每个标注员的准确率，这套逻辑在后端 quality_control/ 模块里。

结果怎么导出、对接模型

导出时选目标格式即可：COCO、YOLO、Pascal VOC、KITTI、MOT 等 20 余种，导出到本地或云端。反过来也能把这些格式的旧标注导入继续编辑，迁移成本很低。想走自动化路线的话，pip install cvat-sdk装 Python SDK 或pip install cvat-cli装命令行工具，就能用脚本批量建任务、传数据、拉导出文件，接口定义可参考 cvat/schema.yml。

快速上手

前提：机器上装好 Docker Engine 和 Docker Compose。

1. 拉取代码：git clone https://gitcode.com/GitHub_Trending/cvat/cvat
2. 进入目录启动整套服务：cd cvat && docker compose up -d
3. 创建管理员账号：docker exec -it cvat_server bash -ic 'python3 ~/manage.py createsuperuser'
4. 浏览器打开http://localhost:8080，登录后新建项目、上传数据、定义标签，开始标注
5. （可选）启用 AI 辅助标注：docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d，再按 annotation/auto-annotation/ 文档部署需要的模型

全程不到半小时能跑通第一个标注结果。

实战对照

生态集成

开发侧三件套：Python SDK、CLI 工具、REST API，覆盖建任务到导出的全链路。数据侧可对接 S3、Azure Blob、Google Cloud 等对象存储，标注文件不必在本地和服务器之间来回倒。需要看标注吞吐和活跃情况时，仓库里自带 ClickHouse + Grafana 分析栈（见 components/analytics/）。

选型与避坑

• 先试水：用浏览器版 CVAT Online 免费档验证流程，确认标注规范再决定是否自托管。
• 中小团队：选 Community 版自托管，MIT 协议，数据不出内网；要改代码也自由。
• 企业：需要 SSO、审计日志、SLA 时看 Enterprise 版本。
• 浏览器：主要测试过 Chrome/Edge，Firefox 可用但有坑，Safari 不支持。
• 没有 GPU 能跑吗：能。预置模型跑 CPU 即可，只是自动标注慢一些，数据量特别大再考虑 GPU。
• 担心数据安全：自托管版本所有数据落在你自己的基础设施里，这正是它和托管版最大的区别。

一句话小结

CVAT 把"上传数据、自动打标、人工修正、审核、导出喂模型"整条链路收进一个自托管的 Web 应用，MIT 协议、Docker 一条命令起步、20 多种格式随你进随你出。只要你的项目要喂视觉模型，这套工具链值得放进备选清单。

【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