CVAT 计算机视觉标注工具从零到第一个标注数据集只要 10 分钟【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如果你正为一个目标检测数据集逐帧手动画框、画到凌晨CVATComputer Vision Annotation Tool就是那种能让你停下手里的活先部署一下的平台。它是一个面向图像、视频和 3D 点云的可视化数据集构建与标注平台自带插值、自动标注、团队协作和 20 多种格式导出。这篇指南带你走完部署 → 建任务 → 标注 → 导出的全流程10 分钟出第一个成果。 它是什么 解决什么问题CVAT Community 是 MIT 许可的自托管版本数据完全跑在你自己的基础设施里不经过第三方服务器同时支持接入自己的模型做自动标注。框、多边形、关键点、3D 立方体都能画视频标注支持跨帧插值画一帧补一段接入自定义模型做自动标注20 格式导入导出直接对接训练框架多人协作、角色分工与审核流REST API 与 Python SDK 全量开放 3 步跑起来前提是机器上装好了 Docker Engine 和 Docker Compose。克隆仓库并启动整套服务首次拉镜像需要几分钟git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d服务起来后创建管理员账号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。看到登录页、登录后能看到 Projects / Tasks / Cloud Storages 菜单就说明部署成功了。注意 CVAT 主要在 Chromium 系浏览器Chrome、Edge上测试Safari 不受支持。 主工作流走查建任务并上传数据在 Tasks 页点 Create New Task填任务名定义标签比如 person、car然后从本地、已连接的文件共享或远程 URL 选择文件。标签支持 Raw自由文本和 Constructor受控结构两种模式视频任务可在 Advanced configuration 里设置 job 帧数切分支持直接传压缩包、视频或多个图片⚠️ 标签先想清楚再提交。任务里已有的标注用到的标签事后改动成本比现在多敲几个字高得多。打开 Job 开始标注任务提交后会被拆成 Job点进去就是标注画布。左侧工具栏选矩形、多边形、关键点等工具在帧上直接画。视频标注建议用 track 模式在目标出现的首帧画一次框CVAT 会把轨迹插值传播到后续帧你只需要在漂移的帧上微调。⚠️ 改完记得点 Save。未保存的标注只留在浏览器本地缓存里刷新页面就没了。导出拿到产出Job 完成后打开左侧菜单选 Export job dataset挑一个格式如 COCO、命名、勾选是否附带图片点 OK 下载 zip。你的第一个可用训练数据集就此到手。 数据进出与格式生态格式适用场景CVAT (XML)CVAT 内部往返编辑保留全部属性COCO (JSON)检测/分割训练主流格式YOLO / Ultralytics YOLO (TXT)Ultralytics 生态训练Pascal VOC (XML)传统目标检测数据集KITTI (TXT)自动驾驶感知数据MOT (TXT)多目标跟踪评测覆盖 PyTorch、TensorFlow 等主流框架的训练数据生态完整格式清单可查看官方文档确认。⚡ 效率杠杆自动标注仓库自带一组 serverless 预置模型源码见 serverless/启用 serverless 组件后即可在任务页直接调用SAM交互式分割点一下圈出物体YOLO v7目标检测批量预框TransT跨帧目标跟踪自动延续轨迹快捷键快捷键作用CtrlZ/CtrlShiftZ撤销 / 重做Tab/ShiftTab下一帧 / 上一帧Space视频播放 / 暂停Delete删除选中对象完整键位表数量较多建议查看官方文档确认。 团队协作与质量控制组织Organization下邀请成员按 Project / Task / Job 三级拆分分工Reviewer 可通过 Review 入口逐帧审核标注并打回返工用 Issues 系统就具体帧、具体对象发起讨论避免这个框到底算不算靠口头对齐 下一步Python SDKpip install cvat-sdk脚本化建任务、上传、导出源码见 cvat-sdk/CLIpip install cvat-cli终端里批量操作常用流程接入 S3 / Azure Blob 等云存储直接把云端数据源挂成任务用 REST API 对接 CI/CD做数据版本的自动化回归现在就打开终端把第一行git clone敲下去——10 分钟后你就能站在自己第一个 CVAT 任务前面了。【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 计算机视觉标注工具：从零到第一个标注数据集只要 10 分钟
CVAT 计算机视觉标注工具从零到第一个标注数据集只要 10 分钟【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如果你正为一个目标检测数据集逐帧手动画框、画到凌晨CVATComputer Vision Annotation Tool就是那种能让你停下手里的活先部署一下的平台。它是一个面向图像、视频和 3D 点云的可视化数据集构建与标注平台自带插值、自动标注、团队协作和 20 多种格式导出。这篇指南带你走完部署 → 建任务 → 标注 → 导出的全流程10 分钟出第一个成果。 它是什么 解决什么问题CVAT Community 是 MIT 许可的自托管版本数据完全跑在你自己的基础设施里不经过第三方服务器同时支持接入自己的模型做自动标注。框、多边形、关键点、3D 立方体都能画视频标注支持跨帧插值画一帧补一段接入自定义模型做自动标注20 格式导入导出直接对接训练框架多人协作、角色分工与审核流REST API 与 Python SDK 全量开放 3 步跑起来前提是机器上装好了 Docker Engine 和 Docker Compose。克隆仓库并启动整套服务首次拉镜像需要几分钟git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d服务起来后创建管理员账号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。看到登录页、登录后能看到 Projects / Tasks / Cloud Storages 菜单就说明部署成功了。注意 CVAT 主要在 Chromium 系浏览器Chrome、Edge上测试Safari 不受支持。 主工作流走查建任务并上传数据在 Tasks 页点 Create New Task填任务名定义标签比如 person、car然后从本地、已连接的文件共享或远程 URL 选择文件。标签支持 Raw自由文本和 Constructor受控结构两种模式视频任务可在 Advanced configuration 里设置 job 帧数切分支持直接传压缩包、视频或多个图片⚠️ 标签先想清楚再提交。任务里已有的标注用到的标签事后改动成本比现在多敲几个字高得多。打开 Job 开始标注任务提交后会被拆成 Job点进去就是标注画布。左侧工具栏选矩形、多边形、关键点等工具在帧上直接画。视频标注建议用 track 模式在目标出现的首帧画一次框CVAT 会把轨迹插值传播到后续帧你只需要在漂移的帧上微调。⚠️ 改完记得点 Save。未保存的标注只留在浏览器本地缓存里刷新页面就没了。导出拿到产出Job 完成后打开左侧菜单选 Export job dataset挑一个格式如 COCO、命名、勾选是否附带图片点 OK 下载 zip。你的第一个可用训练数据集就此到手。 数据进出与格式生态格式适用场景CVAT (XML)CVAT 内部往返编辑保留全部属性COCO (JSON)检测/分割训练主流格式YOLO / Ultralytics YOLO (TXT)Ultralytics 生态训练Pascal VOC (XML)传统目标检测数据集KITTI (TXT)自动驾驶感知数据MOT (TXT)多目标跟踪评测覆盖 PyTorch、TensorFlow 等主流框架的训练数据生态完整格式清单可查看官方文档确认。⚡ 效率杠杆自动标注仓库自带一组 serverless 预置模型源码见 serverless/启用 serverless 组件后即可在任务页直接调用SAM交互式分割点一下圈出物体YOLO v7目标检测批量预框TransT跨帧目标跟踪自动延续轨迹快捷键快捷键作用CtrlZ/CtrlShiftZ撤销 / 重做Tab/ShiftTab下一帧 / 上一帧Space视频播放 / 暂停Delete删除选中对象完整键位表数量较多建议查看官方文档确认。 团队协作与质量控制组织Organization下邀请成员按 Project / Task / Job 三级拆分分工Reviewer 可通过 Review 入口逐帧审核标注并打回返工用 Issues 系统就具体帧、具体对象发起讨论避免这个框到底算不算靠口头对齐 下一步Python SDKpip install cvat-sdk脚本化建任务、上传、导出源码见 cvat-sdk/CLIpip install cvat-cli终端里批量操作常用流程接入 S3 / Azure Blob 等云存储直接把云端数据源挂成任务用 REST API 对接 CI/CD做数据版本的自动化回归现在就打开终端把第一行git clone敲下去——10 分钟后你就能站在自己第一个 CVAT 任务前面了。【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