CVAT数据标注怎么快速上手：从部署到交付跑通一遍

CVAT数据标注怎么快速上手：从部署到交付跑通一遍

【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）是一个开源的视觉数据标注平台，覆盖图像、视频的 2D 标注和 3D 点云标注，自带模型预标注、质检与多人协作。下文按"本地起一个实例 → 做完一个标注项目"的流程走一遍，面向第一次接触 CVAT 的工程师和数据标注负责人。

用 Docker 本地部署 CVAT

前提只有一样：机器上装好 Docker Engine 和 Docker Compose。然后三条命令：

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

首次启动会拉取镜像，等几分钟即可。起来之后建一个管理员账号：

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

浏览器打开http://localhost:8080，用刚建的账号登录就能用。💡 如果要在局域网其他机器访问，启动前设置环境变量CVAT_HOST为本机 IP 或域名。

搭建标注项目与任务

先配置标签

标签是整个数据集的骨架，建议一开始就定好。路径：Projects → Create New Project，填名称和描述后进入标签编辑器，逐个添加类别（例如 car、pedestrian），每个标签还可以挂属性（颜色、是否被遮挡等）。项目保存后，其下的任务可以直接继承这套标签，保证团队口径一致。

上传数据并创建任务

进入项目后点 Create New Task。数据来源支持本地上传（图片、视频、压缩包）、URL 或已注册的云存储桶。任务名、数据源确认后提交即可：数据量大时，系统会把任务切分成多个 job 并行分派给人，切分粒度越小，多人并行越快。创建完成后进入 job 编辑器，标注工作从这里开始。

按任务类型选标注工具

工具不是"基础/高级"的关系，而是各对应一类目标。按你要交付的数据形态选：

图像与视频

• 矩形（Rectangle）：目标检测的边界框，速度最快，适合检测类任务。
• 多边形 / 折线（Polygon / Polyline）：勾勒不规则物体轮廓，用于精确分割。
• 关键点 / 骨架（Skeleton）：姿态估计、面部特征点。
• 掩码（Brush 画笔工具）：涂抹生成像素级区域，做语义/实例分割。
• Track 模式：视频里只对关键帧画框，中间帧靠插值和跟踪补全，不必逐帧画。

3D 点云

• 立方体（Cuboid）：给激光雷达点云里的车辆、行人标 3D 框，支持旋转。点云任务以多张 2D 相机视图加一个 3D 视角组织，两个视角同步标注，避免只在一个视图里"看起来对"。

用模型预标注加速

开启自动标注

先把模型的推理服务地址注册到项目的 Models 页面，然后走 Task → Auto Annotation → 选模型 → Run。模型会对全量数据跑一遍，结果直接写进 job 作为草稿。检测器、跟踪器、交互式分割（Magic wand 里点正负样本生成多边形）这几类工具的差异和用法，可查仓库内的自动标注文档。

人工校验怎么做

预标注结果会以对象形式出现在 Objects 列表里，按标签勾选、整体移动缩放、单个删除都直接上手。建议先完整过一遍 job，摸清模型的典型错误（小目标漏检、类别混淆最常见），再批量修正，比一帧一帧抠效率高得多。

标注结果怎么导出、进度怎么查

多格式导出

路径：任务或项目页 → Export → 选格式。后端导出格式实现涵盖 COCO、Pascal VOC、YOLO、LabelMe、Cityscapes、KITTI、MOT、掩码以及 CVAT 自有格式，按训练框架挑一个即可。导出前可按标签、帧范围、属性筛选，避免把半成品混进数据集。

团队权限与进度

在 Organizations 模块建组织、邀请成员，角色分管理员、Owner、Annotator、Reviewer 等，按人分配 job；项目页实时显示每个 job 的完成状态。整体质量看 Analytics 页的统计面板：

常用操作速查

先部署一个实例，拿十几张小图把"建项目 → 标完 → 导出"完整走一遍。流程熟了之后，换大项目只是数据量问题。

【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