CVAT智能数据标注的完整指南【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做 AI 项目最熬人的环节往往是数据标注上万张图片要逐一张开框几个小时的视频要逐帧盯。CVATComputer Vision Annotation Tool是一个开源的智能标注平台图像标注、视频标注、3D 点云标注都能在同一套工具里完成还能接上你自己的模型做自动标注。 项目速览CVAT 是什么CVAT Community 是从 2018 年持续维护至今的开源标注平台核心代码采用MIT 协议由 CVAT 工程团队最初由 Intel 发起维护当前版本 2.74.x一条 docker compose 命令即可在本地跑起来。图像、视频、3D 点云三类数据20 主流标注格式导入导出可接入自己的 AI 模型自动标注多用户协作与角色权限管理完整的 REST API 和 Python SDK 核心能力拆解三种标注场景图像目标检测标注先框几个剩下的让模型来你有一万张街景图片要把行人和车辆框出来。CVAT 提供矩形、多边形、关键点等基础工具你可以先标十几张再用自动标注功能调用预训练模型批量生成初始标注人只负责修正。仓库的 serverless/ 目录里预置了 YOLOv7、RetinaNet、SAM 等 PyTorch、ONNX、OpenVINO 模型也可以注册自己的模型。视频序列追踪只标关键帧中间靠插值你手里有一段 3 小时监控录像需要跟踪某辆车的全部出现片段。CVAT 支持逐帧标注加插值你只需在第 0 帧和第 300 帧精确标注中间帧的形状会自动插出来只修正偏差大的帧。Track 模式下对象整段视频保持同一 ID导出后可以直接用来训练跟踪模型。3D 点云标注多视角同步画 3D 框做自动驾驶感知时你需要在激光雷达点云上给汽车和行人画 3D 包围盒。CVAT 的 3D 画布同时提供顶视、前视、侧视和 3D 透视视角在任意视角调整 cuboid 的方向和位置其他视角实时同步避免手动算坐标。 三步上手从零到第一个标注克隆仓库并启动服务栈前提是装好 Docker 和 Docker Composegit clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d创建一个管理员账号docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser打开 http://localhost:8080 登录创建任务、上传数据、定义标签即可开始标注。三档启动方式各一句话在线体验官网提供免费试用档位浏览器注册即用适合先感受工作流本地 Docker即上面的命令数据全部留在自己的机器上源码运行仓库本身就是源码依赖清单见 cvat/requirements/适合想改代码的人新手不建议 生态与集成格式、SDK 与插件集成点说明标注格式20 种导入导出COCO、YOLO、Pascal VOC、KITTI 等REST API界面上能做的事基本都能用 HTTP 调用Python SDKpip install cvat-sdk安装任务创建/上传/导出全自动CLI 工具pip install cvat-cli终端脚本化常用操作云存储对接 S3、Azure、Google Cloud数据不落地直接建任务Kuberneteshelm-chart/ 目录提供现成的部署模板用 SDK 自动化数据集流程只需要几行from cvat_sdk import make_client client make_client(http://localhost:8080, tokenyour-token) project client.projects.create(namemy first project)格式的读写实现集中在 cvat/apps/dataset_manager/formats/每个格式一个模块想加新格式可以参考这里的写法。 进阶玩法协作、质控与分析多人协作与权限划分创建组织并邀请成员后按 admin、manager、owner 等角色分配权限再把任务拆成 job 指派给不同标注员。权限规则以 OPA 策略形式放在 cvat/apps/iam/管理员可以精确控制谁能看、谁能改。共识标注与质量报告多人标同一份数据时开启 consensus 模式让每人独立标注再用质量报告对比差异定位分歧帧。相关逻辑在 cvat/apps/consensus/ 和 cvat/apps/quality_control/具体配置见官方文档。项目级分析监控内置分析面板可以按标签查看标注数量分布配合 components/analytics/ 里的 Grafana 面板监控每个成员的工时和事件标注产能一目了然。 谁适合用它CV 研究者从论文复现到训练数据集一个工具覆盖采集到导出的全流程自动驾驶团队3D 点云、多视角同步、KITTI 格式导出都是刚需企业数据团队角色权限、任务分配、工时分析能直接支撑外包或内部标注流水线ML 工程师SDK 和 REST API 可以把建任务—自动标注—导出数据集塞进训练脚本❓ 常见问题Q数据量有没有上限A取决于服务器的磁盘和内存。视频采用动态加载和缓存机制大数据集建议放进云存储再建任务拆分方式具体见官方文档。Q换格式导出会不会丢标注信息A20 种格式可互相转换但部分格式不承载属性或关键点字段转换时可能丢失。建议以 CVAT 默认 XML 格式留底。Q多人标同一任务时权限怎么管A创建组织后按角色分层授权任务可分配到个人也可以用 consensus 模式让每人独立标注再合并比对。CVAT 把标注、质检、分析放在同一套开源系统里先跑起来感受一下比看十篇评测都有用。docker compose up -d【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