企业官网建设流程全解析

CVAT 部署教程：4 步完成第一次 AI 辅助数据标注

【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 是一款开源视觉数据标注平台，专为构建视觉 AI 训练数据集而设计。它支持图像、视频与 3D 点云三种数据。想在自己机器上跑通一条完整的数据标注链路——从模型预标注到质量核查——照着本文做一遍即可。全程共四个动作：本地部署、配置模型、组织项目任务、用分析面板验收。

Docker Compose 一键启动 CVAT 并验证环境

本地安装只推荐一种方式：Docker Compose。服务端、工作进程、数据库、缓存、前端全部打包成容器，不用手动配环境。

装好 Docker 与 Docker Compose 后，克隆仓库并进入项目目录。

git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat

一条命令拉起全部服务。首次运行要拉取镜像，耐心等几分钟。

docker compose up -d

服务启动后，数据库和默认配置会自动初始化，无需手动干预。

验证点：终端执行下面命令，全部容器应为 running 状态。

docker compose ps

然后浏览器打开 http://localhost:8080 ，看到登录与注册页面就算部署成功。需要管理员权限时，进容器创建一个超级用户即可。局域网其他设备要访问，启动前把环境变量CVAT_HOST设成自己的 IP。

各系统的安装细节可参考 安装指南。

配置 AI 模型预标注减少手工标注量

CVAT 的 AI 辅助遵循一个固定工作流：AI 先标，人再修正。模型负责批量画框，人只负责精修。

在 Models 页面或创建项目对话框里选一个合适的模型。以人体姿态估计为例，选中 Human pose estimation，再勾选要检测的部位：body、feet、face、hands。

在自动标注对话框里，把模型输出类别映射到项目标签。置信度阈值和 ROI 区域可按数据调整。点 Annotate 开始推理。

验证点：帧加载后应出现预绘的形状与轨迹。拖拽修正位置、改掉错误类别即可。预标注结果和普通标注一样，可编辑、可转成轨迹。结果不满意可清空后重跑。

区分项目与任务建立规范标签体系

CVAT 中项目是资源与权限的容器，任务存放一批标注数据。一个项目可挂多个任务，CVAT 项目任务是分工与进度的最小单位。

创建项目时上传标签配置 JSON。它定义标签名称、形状类别和属性。对话框里的 Constructor 编辑器可直接生成。标注面板的可选标签完全由它决定。

在任务下上传数据：图像、视频或点云文件。来源有四个选项：本机、已连接的文件共享、远程源、云存储。按数据所在位置选其一。

视频任务还可按 job 切分帧段，多人并行标注。

验证点：创建完成后，Projects 页面出现新任务。打开任务的标注页，标签面板列表与配置文件一致，说明标签体系建对了。

打开分析面板实时检查标注进度与质量

CVAT 内置的分析面板让进度与质量可见，不必依赖外部统计。

在任务或项目页点 Analytics。右上角选时间范围。Annotations 页签的 Detection、Tracking 子页按标签列出标注数量，支持按用户或标签过滤，检查每个标注员的产出。

验证点：表格应显示每个标签的形状数与总数。与预期核对，明显偏少的标签就是漏标信号。Events 页签还能追查操作记录并导出为文件。

分析模块的完整说明见 analytics 文档。

个人实验或团队协作，都可以复用上面的流程。CVAT 还提供 3D 标注界面，支持顶视、侧视、前视三视角同步标注，适合点云数据。

【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