尧图网页设计 
CVAT计算机视觉标注平台部署指南10分钟跑通自托管标注系统【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是开源的计算机视觉标注平台能帮你批量生产带AI辅助的图像、视频和点云数据集。本教程用10分钟在你的服务器上跑起一套完整可用的CVAT标注系统——前2-5分钟是拉取镜像的等待剩下几分钟用于建账户和验证闭环。 跑通后能验证到的成果先看目标清单带着这4条可验证的状态往下读执行docker compose ps18个容器全部 Up浏览器打开http://localhost:8080能用自建管理员账号登录几张本地图片能导入、标注并导出为COCO格式文件可选能开启AI模型预标注让模型先画、人来改四条全部达成就代表部署完成。 阶段一一条命令拉起CVAT全部服务这一阶段完成源码到容器全量运行数据库、缓存、网关全部由编排文件自动配置你不需要手动装任何东西。动手前先确认机器装了Docker20.10和Compose v2docker --version docker compose version输出版本号即满足条件。然后克隆仓库并拉起整套服务git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d最后这条命令会按依赖顺序启动18个容器PostgreSQL、Redis、Kvrocks缓存、Django后端cvat_server、React前端cvat_ui、Traefik网关外加ClickHouse和Grafana分析链路。首次拉镜像约需2-5分钟视网络而定up返回后后端容器还要约30-60秒完成初始化。如果需要在局域网其他机器上访问在up之前先设置export CVAT_HOST服务器IP因为Traefik按Host头做路由。另开一个终端盯进度docker compose ps所有服务显示Up、cvat_server不处于restarting状态就算成功。到这里CVAT的服务栈应该已完整运行只差一个能登录的账号。 阶段二创建管理员账号并登录标注平台这一步给系统创建第一个管理员账户完成后即可在浏览器进入登录页。docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser命令进入后端容器执行Django超管创建流程依次输入用户名、邮箱、密码确认两次看到Superuser created successfully即完成。然后在浏览器打开http://localhost:8080用刚创建的账号登录到这里你应该已经能用自建账号登录成功并看到Tasks页的空工作区。✅ 阶段三用第一个图像标注任务做冒烟测试这一步用最短路径跑一遍上传→标注→导出确认部署真的可用而不只是能登录。顶部导航进入 Tasks点 New task在 My computer 下拖入几张本地图片或一个图片zip包在标签区域点 Add label输入 car 等标签名点 Done打开任务下唯一的Job用左侧矩形工具框出目标按快捷键保存右上角 Actions → Export task as选 COCO 1.0 (JSON)下载后用任意编辑器打开能看到刚画的框的坐标与类别即为通过。到这里数据闭环完成原始图片进去标准标注格式出来CVAT可以投入实际工作了。️ 常见卡点现象原因解法速查上面流程中如果卡住先对照下表定位不用推倒重来现象原因解法up报 8080 端口绑定失败本地8080已被占用停掉占用进程或把 docker-compose.yml 中 traefik 的端口映射改为8081:8080等空闲端口拉镜像超时、长时间 Pulling默认镜像源不可达给Docker配置镜像加速器后先执行docker compose pull拉完再up -ddocker compose: command not found系统只有独立的 docker-compose v1改用单词形式的docker-compose up -d或升级到Compose v2插件操作 docker.sock 报 permission denied当前用户不在docker组执行sudo usermod -aG docker $USER退出终端重新登录生效容器被OOMKilled、页面502整套栈18个容器内存低于8GB升内存或加swap启动时保持机器空闲账号建好却登录报502/503cvat_server仍在初始化等数据库、Redis、OPA就绪等1-2分钟刷新仍失败用docker compose logs cvat_server看具体报错想固定到某个发布版本镜像标签由CVAT_VERSION环境变量控制默认dev启动前export CVAT_VERSION版本号再up -d 部署后先熟悉三个核心标注功能不背功能清单先记住这三个它们最能代表CVAT的价值。用手动标注画布画框和分割掩码一句话价值矩形、多边形、刷选分割掩码、关键点骨骼都在同一画布完成标签侧栏与画布并排操作单张图即可完成多类型标注。怎么用进入标注页左侧工具栏选形状直接在图上绘制右侧 Objects 面板管理已有对象锁定、删除、按实例/标签着色底部帧条可逐帧切换视频任务。用自动标注让模型先画一遍一句话价值接入预置或自训模型SAM、YOLO、姿态估计等完成预标注人工只做修正吞吐可提升一个量级。怎么用serverless组件默认未启用先执行docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d再用 nuctl 从 serverless/ 目录部署所需模型函数之后创建任务时在标签区下拉框中选择对应模型即可对每张图自动预标注。用3D视角框点云一句话价值激光雷达等点云数据可在顶视、侧视、前视三视图同步绘制适配自动驾驶场景。怎么用用 .pcd 或 bin 点云文件创建任务视图切换到 Standard 3D在主视图绘制 cuboid下方三个子视图实时同步。接下来你可以做用pip install cvat-sdk安装Python SDK把建任务、上传、导出从手工操作改成脚本自动化SDK源码见 cvat-sdk/建一个真实项目把任务拆成Jobs分配给不同标注员注册Webhook把标注完成事件推入你的训练流水线升级用docker compose pull docker compose up -d两条命令完成【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计算机视觉标注平台部署指南：10分钟跑通自托管标注系统
CVAT计算机视觉标注平台部署指南10分钟跑通自托管标注系统【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是开源的计算机视觉标注平台能帮你批量生产带AI辅助的图像、视频和点云数据集。本教程用10分钟在你的服务器上跑起一套完整可用的CVAT标注系统——前2-5分钟是拉取镜像的等待剩下几分钟用于建账户和验证闭环。 跑通后能验证到的成果先看目标清单带着这4条可验证的状态往下读执行docker compose ps18个容器全部 Up浏览器打开http://localhost:8080能用自建管理员账号登录几张本地图片能导入、标注并导出为COCO格式文件可选能开启AI模型预标注让模型先画、人来改四条全部达成就代表部署完成。 阶段一一条命令拉起CVAT全部服务这一阶段完成源码到容器全量运行数据库、缓存、网关全部由编排文件自动配置你不需要手动装任何东西。动手前先确认机器装了Docker20.10和Compose v2docker --version docker compose version输出版本号即满足条件。然后克隆仓库并拉起整套服务git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d最后这条命令会按依赖顺序启动18个容器PostgreSQL、Redis、Kvrocks缓存、Django后端cvat_server、React前端cvat_ui、Traefik网关外加ClickHouse和Grafana分析链路。首次拉镜像约需2-5分钟视网络而定up返回后后端容器还要约30-60秒完成初始化。如果需要在局域网其他机器上访问在up之前先设置export CVAT_HOST服务器IP因为Traefik按Host头做路由。另开一个终端盯进度docker compose ps所有服务显示Up、cvat_server不处于restarting状态就算成功。到这里CVAT的服务栈应该已完整运行只差一个能登录的账号。 阶段二创建管理员账号并登录标注平台这一步给系统创建第一个管理员账户完成后即可在浏览器进入登录页。docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser命令进入后端容器执行Django超管创建流程依次输入用户名、邮箱、密码确认两次看到Superuser created successfully即完成。然后在浏览器打开http://localhost:8080用刚创建的账号登录到这里你应该已经能用自建账号登录成功并看到Tasks页的空工作区。✅ 阶段三用第一个图像标注任务做冒烟测试这一步用最短路径跑一遍上传→标注→导出确认部署真的可用而不只是能登录。顶部导航进入 Tasks点 New task在 My computer 下拖入几张本地图片或一个图片zip包在标签区域点 Add label输入 car 等标签名点 Done打开任务下唯一的Job用左侧矩形工具框出目标按快捷键保存右上角 Actions → Export task as选 COCO 1.0 (JSON)下载后用任意编辑器打开能看到刚画的框的坐标与类别即为通过。到这里数据闭环完成原始图片进去标准标注格式出来CVAT可以投入实际工作了。️ 常见卡点现象原因解法速查上面流程中如果卡住先对照下表定位不用推倒重来现象原因解法up报 8080 端口绑定失败本地8080已被占用停掉占用进程或把 docker-compose.yml 中 traefik 的端口映射改为8081:8080等空闲端口拉镜像超时、长时间 Pulling默认镜像源不可达给Docker配置镜像加速器后先执行docker compose pull拉完再up -ddocker compose: command not found系统只有独立的 docker-compose v1改用单词形式的docker-compose up -d或升级到Compose v2插件操作 docker.sock 报 permission denied当前用户不在docker组执行sudo usermod -aG docker $USER退出终端重新登录生效容器被OOMKilled、页面502整套栈18个容器内存低于8GB升内存或加swap启动时保持机器空闲账号建好却登录报502/503cvat_server仍在初始化等数据库、Redis、OPA就绪等1-2分钟刷新仍失败用docker compose logs cvat_server看具体报错想固定到某个发布版本镜像标签由CVAT_VERSION环境变量控制默认dev启动前export CVAT_VERSION版本号再up -d 部署后先熟悉三个核心标注功能不背功能清单先记住这三个它们最能代表CVAT的价值。用手动标注画布画框和分割掩码一句话价值矩形、多边形、刷选分割掩码、关键点骨骼都在同一画布完成标签侧栏与画布并排操作单张图即可完成多类型标注。怎么用进入标注页左侧工具栏选形状直接在图上绘制右侧 Objects 面板管理已有对象锁定、删除、按实例/标签着色底部帧条可逐帧切换视频任务。用自动标注让模型先画一遍一句话价值接入预置或自训模型SAM、YOLO、姿态估计等完成预标注人工只做修正吞吐可提升一个量级。怎么用serverless组件默认未启用先执行docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d再用 nuctl 从 serverless/ 目录部署所需模型函数之后创建任务时在标签区下拉框中选择对应模型即可对每张图自动预标注。用3D视角框点云一句话价值激光雷达等点云数据可在顶视、侧视、前视三视图同步绘制适配自动驾驶场景。怎么用用 .pcd 或 bin 点云文件创建任务视图切换到 Standard 3D在主视图绘制 cuboid下方三个子视图实时同步。接下来你可以做用pip install cvat-sdk安装Python SDK把建任务、上传、导出从手工操作改成脚本自动化SDK源码见 cvat-sdk/建一个真实项目把任务拆成Jobs分配给不同标注员注册Webhook把标注完成事件推入你的训练流水线升级用docker compose pull docker compose up -d两条命令完成【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