CVAT安装教程3步在Docker里跑起视觉标注平台【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/cvatCVAT 是一个计算机视觉标注工具把图像、视频、点云和音频在网页上转成训练模型用的标注数据还能挂 AI 模型做预标注。这篇 CVAT 安装指南走 Docker 部署路线目标是你 10 分钟内跑通服务并画出第一个标注框。它适合谁用CVAT 的定位把人工标数据变成团队协作的线上流程而不是本地脚本各标各的。算法工程师要攒一张人脸识别或目标检测的训练集得先把几十万张图里的目标框出来标注负责人要分派任务给多名标注员并按人统计完成量、做质检数据团队需要把标注结果导出成 COCO、VOC 等格式喂给 PyTorch 等框架部署前检查先对照下表确认机器达标再跑两条命令确认工具链版本。项目最低要求说明OSUbuntu 20.04/22.04 x86_64或其他 LinuxmacOS/Windows 需在虚拟机或 WSL 中装 LinuxDocker20.10.0容器运行时负责跑数据库、API、前端Docker Compose2.xcompose 插件一键拉起整条服务链内存8 GB推荐 16 GB全部容器常驻16 GB 更稳磁盘20 GB镜像约 5 GB其余留给数据集浏览器Google ChromeCVAT 目前仅适配 Chrome画布操作在 Firefox 上会异常分别打印两个版本号确认环境就绪docker --version docker compose version两条都打印出版本号、无报错即通过。第二条若提示 command not found说明只装了老版独立 compose按 Docker 官方文档补装 compose 插件。三步跑起来第一步获取代码克隆仓库到本地拿到编排文件和配置git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat看到目录里出现 docker-compose.yml 和 backend_entrypoint.sh 两个文件说明克隆成功。第二步启动服务用下面命令拉取镜像并后台启动全部容器docker compose up -d首跑要下载 cvat/server、cvat/ui、postgres、redis 等约 10 个镜像耗时视网速 2–10 分钟。想跟进度可另开终端看日志docker compose logs -f看到Waiting for migrations to complete之类的等待字样是正常现象——数据库迁移由容器启动脚本自动完成逻辑见 backend_entrypoint.sh你不需要手动执行 migrate。第三步验证成功查一遍容器状态确认没有容器处于 Restartingdocker compose pscvat_db、cvat_server、cvat_ui、traefik 等 10 个容器状态均为 Up 即成功。注意 8080 端口由 traefik 容器对外提供UI 和 API 都走这一个端口。最小实践创建第一个标注任务打开 Chrome 访问http://localhost:8080先注册一个账号。注意网页注册出来的账号默认没有任务权限所以还要在终端用 Django 管理命令创建一个超级用户superuser 即拥有全部权限的管理员docker exec -it cvat_server bash -ic \ python3 ~/manage.py createsuperuser按提示输入用户名、邮箱、密码。命令打印Superuser created successfully后回到页面用这组凭据登录。接下来做最小闭环全部在浏览器里完成首页点Create task在 Sources 选Upload拖入一个图片压缩包进入任务页在 Labels 区域填一个标签名如 car点保存切到标注界面选中 car 标签在画面里拖出一个矩形框点工具栏的保存按钮切个帧再切回来判断标准矩形框重新出现、右侧标签列表里 car 计数为 1就代表第一个标注落库成功。之后随时可用 REST API 或 cvat-sdk 里的示例如 task_export_dataset.py把结果导成 COCO/VOC 文件。想体验 AI 预标注装好 serverless 组件后在任务里选模型即可流程参考 serverless/ 目录下的部署脚本。踩坑速查现象8080 端口被占启动后页面打不开原因本机已有别的服务监听 8080修复docker compose down sed -i s/8080:8080/9090:8080/ docker-compose.yml docker compose up -d改完用http://localhost:9090访问只改宿主机一侧映射即可现象docker compose up -d卡住或反复拉取失败原因容器镜像源网络不通修复给 Docker 配置国内镜像加速器后重试仍失败就docker compose pull单独拉图看到 Digest 行再up -d现象能登录网页但任务列表是空的、什么都建不了原因你用的是网页注册的普通账号没有任务权限修复docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser用新账号登录现象容器都 Up 了页面却长时间白屏原因首次启动时静态资源收集和数据库迁移仍在进行修复docker compose logs -f cvat_server等出现迁移完成字样后再刷新页面下一步读 getting_started 文档学标注快捷键和帧间插值看 api_sdk 一节把标注结果拉进训练管线深入 annotation 章节上手 3D 点云、音频区间和属性标注到这里CVAT 已经跑起来了——建任务、画框、导出最小闭环已经打通。【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
CVAT安装教程3步在Docker里跑起视觉标注平台【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/cvatCVAT 是一个计算机视觉标注工具把图像、视频、点云和音频在网页上转成训练模型用的标注数据还能挂 AI 模型做预标注。这篇 CVAT 安装指南走 Docker 部署路线目标是你 10 分钟内跑通服务并画出第一个标注框。它适合谁用CVAT 的定位把人工标数据变成团队协作的线上流程而不是本地脚本各标各的。算法工程师要攒一张人脸识别或目标检测的训练集得先把几十万张图里的目标框出来标注负责人要分派任务给多名标注员并按人统计完成量、做质检数据团队需要把标注结果导出成 COCO、VOC 等格式喂给 PyTorch 等框架部署前检查先对照下表确认机器达标再跑两条命令确认工具链版本。项目最低要求说明OSUbuntu 20.04/22.04 x86_64或其他 LinuxmacOS/Windows 需在虚拟机或 WSL 中装 LinuxDocker20.10.0容器运行时负责跑数据库、API、前端Docker Compose2.xcompose 插件一键拉起整条服务链内存8 GB推荐 16 GB全部容器常驻16 GB 更稳磁盘20 GB镜像约 5 GB其余留给数据集浏览器Google ChromeCVAT 目前仅适配 Chrome画布操作在 Firefox 上会异常分别打印两个版本号确认环境就绪docker --version docker compose version两条都打印出版本号、无报错即通过。第二条若提示 command not found说明只装了老版独立 compose按 Docker 官方文档补装 compose 插件。三步跑起来第一步获取代码克隆仓库到本地拿到编排文件和配置git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat看到目录里出现 docker-compose.yml 和 backend_entrypoint.sh 两个文件说明克隆成功。第二步启动服务用下面命令拉取镜像并后台启动全部容器docker compose up -d首跑要下载 cvat/server、cvat/ui、postgres、redis 等约 10 个镜像耗时视网速 2–10 分钟。想跟进度可另开终端看日志docker compose logs -f看到Waiting for migrations to complete之类的等待字样是正常现象——数据库迁移由容器启动脚本自动完成逻辑见 backend_entrypoint.sh你不需要手动执行 migrate。第三步验证成功查一遍容器状态确认没有容器处于 Restartingdocker compose pscvat_db、cvat_server、cvat_ui、traefik 等 10 个容器状态均为 Up 即成功。注意 8080 端口由 traefik 容器对外提供UI 和 API 都走这一个端口。最小实践创建第一个标注任务打开 Chrome 访问http://localhost:8080先注册一个账号。注意网页注册出来的账号默认没有任务权限所以还要在终端用 Django 管理命令创建一个超级用户superuser 即拥有全部权限的管理员docker exec -it cvat_server bash -ic \ python3 ~/manage.py createsuperuser按提示输入用户名、邮箱、密码。命令打印Superuser created successfully后回到页面用这组凭据登录。接下来做最小闭环全部在浏览器里完成首页点Create task在 Sources 选Upload拖入一个图片压缩包进入任务页在 Labels 区域填一个标签名如 car点保存切到标注界面选中 car 标签在画面里拖出一个矩形框点工具栏的保存按钮切个帧再切回来判断标准矩形框重新出现、右侧标签列表里 car 计数为 1就代表第一个标注落库成功。之后随时可用 REST API 或 cvat-sdk 里的示例如 task_export_dataset.py把结果导成 COCO/VOC 文件。想体验 AI 预标注装好 serverless 组件后在任务里选模型即可流程参考 serverless/ 目录下的部署脚本。踩坑速查现象8080 端口被占启动后页面打不开原因本机已有别的服务监听 8080修复docker compose down sed -i s/8080:8080/9090:8080/ docker-compose.yml docker compose up -d改完用http://localhost:9090访问只改宿主机一侧映射即可现象docker compose up -d卡住或反复拉取失败原因容器镜像源网络不通修复给 Docker 配置国内镜像加速器后重试仍失败就docker compose pull单独拉图看到 Digest 行再up -d现象能登录网页但任务列表是空的、什么都建不了原因你用的是网页注册的普通账号没有任务权限修复docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser用新账号登录现象容器都 Up 了页面却长时间白屏原因首次启动时静态资源收集和数据库迁移仍在进行修复docker compose logs -f cvat_server等出现迁移完成字样后再刷新页面下一步读 getting_started 文档学标注快捷键和帧间插值看 api_sdk 一节把标注结果拉进训练管线深入 annotation 章节上手 3D 点云、音频区间和属性标注到这里CVAT 已经跑起来了——建任务、画框、导出最小闭环已经打通。【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
 详解)
