CVAT数据标注平台3步从克隆到完成第一个标注【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训练视觉模型缺的从来不是原始数据而是标注好的数据手画框、手画多边形太慢敏感数据又不方便传到外部云标注服务。CVAT是一个免费、可自托管的开源数据标注平台覆盖图像、视频和3D点云标注自带AI辅助预标注数据全程留在你自己的机器上。一、项目速览是什么MIT 协议的计算机视觉标注工具2018 年开源是 CVAT 云端版与企业版的基础谁在用研究与生产环境的 AI 团队Docker 镜像累计拉取量达数百万次标什么图像、视频、点云支持矩形框、多边形、mask、关键点、立方体等效率点可接入自家 AI 模型SAM、YOLO 等自动生成初稿人工只做修正数据流转COCO、YOLO、Pascal VOC 等 20 余种格式导出另有 REST API 与 Python SDK 可全自动化图CVAT 创建标注任务的界面一处完成模型选择与数据源上传二、核心能力拆解 框、多边形、画笔手动标注工具功能点标注画布提供矩形框、多边形、画笔 mask 等工具画笔支持不同形状与笔刷大小可直接涂抹出目标区域。解决的问题复杂轮廓逐点拖拽慢画笔一笔刷完系统自动把刷选区域转成 mask。使用场景监控画面里快速涂抹出行人或车辆区域无需逐点描边。图CVAT 画笔工具快速刷出目标区域生成 mask 标注 多视角标注 3D 点云功能点专门的 3D 标注画布Top / Side / Front 三视图联动用立方体在三维空间中标注物体。解决的问题点云单张截图有遮挡多视角联动保证 3D 物体标注准确。使用场景自动驾驶激光雷达点云里标注车辆、行人结果直接按 KITTI 格式导出。图CVAT 3D 标注界面顶视、侧视、前视三视图联动标注 接入 AI 模型自动生成标注功能点把检测、分割、姿态估计、跟踪模型部署为 serverless 函数基于 Nuclio内置 SAM、YOLO v7、RetinaNet 等方案模型定义都在 serverless/ 目录里。解决的问题上千张图第一遍全人工标注太慢。使用场景先用 YOLO 检测跑全量图片出粗框人工再逐个拖拽微调工作量降一个量级。三、跟着做一遍获取代码git clone https://gitcode.com/GitHub_Trending/cvat/cvat启动全部服务只需装好 Docker 与 Composecd cvat docker compose up -d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创建任务、上传数据、定义标签开始标注四、再深入一步加一个组件点亮 AI 自动标注默认启动只有手动标注。加一个 Compose 文件即可拉起 serverless 平台docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d再用nuctl部署 components/serverless/ 下的 SAM 或 YOLO 函数界面里就会出现可选的自动标注模型。团队要审质量还可以建组织、分角色用评论和 issue 流程互相 review 标注结果。数据在自己手里、模型先干粗活、人来精修数据标注这条链路就齐了。克隆仓库先跑起来建好第一个任务再谈别的。【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