據(jù)標注平臺)
CVAT 計算機視覺標注工具部署指南3步啟動圖像與視頻數(shù)據(jù)標注平臺【免費下載鏈接】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.項目地址: https://gitcode.com/GitHub_Trending/cvat/cvat你手頭有一批待標注的圖片和視頻需要一套能畫框、打標簽、還能借助模型自動打標的工具。CVATComputer Vision Annotation Tool就是為此設(shè)計的開源標注平臺圖像、視頻、3D點云都支持內(nèi)置AI輔助標注多人可協(xié)同作業(yè)數(shù)據(jù)可導出給模型訓練。本文帶你在一臺裝了 Docker 的 Linux 機器上把它完整跑起來并標注出第一批數(shù)據(jù)。動手前先檢查環(huán)境自檢2條命令先對照下面的配置表確認你的機器夠用項目最低要求建議操作系統(tǒng)Ubuntu 20.04/22.04、CentOS 7/8 等 Linux64位Docker20.10.0已加入 docker 組Docker Compose1.29.0與 Docker 版本匹配內(nèi)存8GB16GB磁盤可用空間20GB視數(shù)據(jù)集規(guī)模預留更多兩條命令30秒完成自檢docker --version docker-compose --version兩條命令都能輸出版本號且 Docker ≥ 20.10.0、Compose ≥ 1.29.0說明環(huán)境達標。版本號偏低就升級 Docker 再繼續(xù)。從零到啟動3步完成部署第1步拉取源碼CVAT 的全部服務由docker-compose.yml定義源碼里就有。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat成功標志當前目錄下能看到docker-compose.yml文件。第2步一鍵啟動全部服務docker-compose up -d這條命令會拉取鏡像并啟動整套組件Django 后端、React 前端、PostgreSQL、Redis內(nèi)存磁盤兩套、路由與事件分析組件。首次運行需要下載鏡像耗時2–5分鐘。成功標志docker-compose ps中各容器狀態(tài)為Up其中traefik映射了宿主機的 8080 端口。第3步確認前端可訪問docker-compose logs -f觀察日志滾動無紅色報錯CtrlC 退出。隨后瀏覽器打開http://localhost:8080出現(xiàn)登錄頁即代表前后端鏈路已通。初始化與登錄建庫、建管理員、進控制臺容器首次啟動不會自動建庫建號這兩步要手動完成。初始化數(shù)據(jù)庫結(jié)構(gòu)docker exec -it cvat_server bash -ic python3 manage.py migrate成功標志輸出末尾顯示若干Applying ...遷移記錄和OK無 Traceback。創(chuàng)建管理員賬號按交互提示依次填用戶名、郵箱、兩次密碼docker exec -it cvat_server bash -ic python3 manage.py createsuperuser成功標志提示賬號創(chuàng)建完成回到 shell 提示符。最后打開http://localhost:8080用剛建好的賬號密碼登錄進入 CVAT 控制臺。首頁能看到 Projects、Tasks、Models 等入口部署到此全部完成。?跑通第一個任務標注5張圖片以給一組街景圖片畫矩形框這個最小場景為例走一遍完整流程左側(cè)菜單進入Tasks點擊創(chuàng)建任務。填寫名稱在 Labels 里添加一個標簽例如person。文件來源選My computer上傳5張左右的圖片提交。任務列表里點開它進入標注工作臺。選中左側(cè)工具欄的矩形工具在目標人物上拖拽畫框標簽自動掛上person。用底部進度條或方向鍵逐幀切換把5張都畫完按CtrlS保存。如果數(shù)據(jù)量大可以讓模型先打草稿在標注界面打開Automatic annotation對話框選一個已部署的模型并設(shè)置 ROI 區(qū)域點 Annotate模型輸出的框你只需修正即可。跑完這一圈你就驗證了上傳 → 標注 → 保存整條鏈路。想繼續(xù)深入可參考官方入門文檔site/content/en/docs/getting_started/overview.md。故障速查表癥狀可能原因解決方式瀏覽器打開 8080 無響應或報端口被占8080 已被其他程序占用編輯docker-compose.yml修改 traefik 的端口映射后重新啟動permission denied ... docker.sock當前用戶沒有 Docker 權(quán)限把用戶加入 docker 組或臨時用 sudo 執(zhí)行鏡像長時間卡在 Pulling網(wǎng)絡訪問鏡像倉庫不穩(wěn)定檢查網(wǎng)絡或為 Docker 配置鏡像加速器容器反復重啟、日志報連接失敗依賴服務尚未就緒等待1–2分鐘仍異常則執(zhí)行docker-compose down后重新docker-compose up -d創(chuàng)建任務后一直卡在加載中后端 worker 未啟動docker-compose ps檢查 worker 類容器是否 Up異常則重啟對應容器接下來可以做什么用Projects功能把多個相關(guān)任務歸組體驗團隊協(xié)同與進度統(tǒng)計為模型訓練導出標注結(jié)果試試 COCO、YOLO 等格式探索 3D 點云標注場景更多命令細節(jié)與高級配置見官方文檔site/content/en/docs/【免費下載鏈接】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.項目地址: https://gitcode.com/GitHub_Trending/cvat/cvat創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 CVAT 計算機視覺標注工具部署指南：3步啟動圖像與視頻數(shù)據(jù)標注平臺
CVAT 計算機視覺標注工具部署指南3步啟動圖像與視頻數(shù)據(jù)標注平臺【免費下載鏈接】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.項目地址: https://gitcode.com/GitHub_Trending/cvat/cvat你手頭有一批待標注的圖片和視頻需要一套能畫框、打標簽、還能借助模型自動打標的工具。CVATComputer Vision Annotation Tool就是為此設(shè)計的開源標注平臺圖像、視頻、3D點云都支持內(nèi)置AI輔助標注多人可協(xié)同作業(yè)數(shù)據(jù)可導出給模型訓練。本文帶你在一臺裝了 Docker 的 Linux 機器上把它完整跑起來并標注出第一批數(shù)據(jù)。動手前先檢查環(huán)境自檢2條命令先對照下面的配置表確認你的機器夠用項目最低要求建議操作系統(tǒng)Ubuntu 20.04/22.04、CentOS 7/8 等 Linux64位Docker20.10.0已加入 docker 組Docker Compose1.29.0與 Docker 版本匹配內(nèi)存8GB16GB磁盤可用空間20GB視數(shù)據(jù)集規(guī)模預留更多兩條命令30秒完成自檢docker --version docker-compose --version兩條命令都能輸出版本號且 Docker ≥ 20.10.0、Compose ≥ 1.29.0說明環(huán)境達標。版本號偏低就升級 Docker 再繼續(xù)。從零到啟動3步完成部署第1步拉取源碼CVAT 的全部服務由docker-compose.yml定義源碼里就有。git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat成功標志當前目錄下能看到docker-compose.yml文件。第2步一鍵啟動全部服務docker-compose up -d這條命令會拉取鏡像并啟動整套組件Django 后端、React 前端、PostgreSQL、Redis內(nèi)存磁盤兩套、路由與事件分析組件。首次運行需要下載鏡像耗時2–5分鐘。成功標志docker-compose ps中各容器狀態(tài)為Up其中traefik映射了宿主機的 8080 端口。第3步確認前端可訪問docker-compose logs -f觀察日志滾動無紅色報錯CtrlC 退出。隨后瀏覽器打開http://localhost:8080出現(xiàn)登錄頁即代表前后端鏈路已通。初始化與登錄建庫、建管理員、進控制臺容器首次啟動不會自動建庫建號這兩步要手動完成。初始化數(shù)據(jù)庫結(jié)構(gòu)docker exec -it cvat_server bash -ic python3 manage.py migrate成功標志輸出末尾顯示若干Applying ...遷移記錄和OK無 Traceback。創(chuàng)建管理員賬號按交互提示依次填用戶名、郵箱、兩次密碼docker exec -it cvat_server bash -ic python3 manage.py createsuperuser成功標志提示賬號創(chuàng)建完成回到 shell 提示符。最后打開http://localhost:8080用剛建好的賬號密碼登錄進入 CVAT 控制臺。首頁能看到 Projects、Tasks、Models 等入口部署到此全部完成。?跑通第一個任務標注5張圖片以給一組街景圖片畫矩形框這個最小場景為例走一遍完整流程左側(cè)菜單進入Tasks點擊創(chuàng)建任務。填寫名稱在 Labels 里添加一個標簽例如person。文件來源選My computer上傳5張左右的圖片提交。任務列表里點開它進入標注工作臺。選中左側(cè)工具欄的矩形工具在目標人物上拖拽畫框標簽自動掛上person。用底部進度條或方向鍵逐幀切換把5張都畫完按CtrlS保存。如果數(shù)據(jù)量大可以讓模型先打草稿在標注界面打開Automatic annotation對話框選一個已部署的模型并設(shè)置 ROI 區(qū)域點 Annotate模型輸出的框你只需修正即可。跑完這一圈你就驗證了上傳 → 標注 → 保存整條鏈路。想繼續(xù)深入可參考官方入門文檔site/content/en/docs/getting_started/overview.md。故障速查表癥狀可能原因解決方式瀏覽器打開 8080 無響應或報端口被占8080 已被其他程序占用編輯docker-compose.yml修改 traefik 的端口映射后重新啟動permission denied ... docker.sock當前用戶沒有 Docker 權(quán)限把用戶加入 docker 組或臨時用 sudo 執(zhí)行鏡像長時間卡在 Pulling網(wǎng)絡訪問鏡像倉庫不穩(wěn)定檢查網(wǎng)絡或為 Docker 配置鏡像加速器容器反復重啟、日志報連接失敗依賴服務尚未就緒等待1–2分鐘仍異常則執(zhí)行docker-compose down后重新docker-compose up -d創(chuàng)建任務后一直卡在加載中后端 worker 未啟動docker-compose ps檢查 worker 類容器是否 Up異常則重啟對應容器接下來可以做什么用Projects功能把多個相關(guān)任務歸組體驗團隊協(xié)同與進度統(tǒng)計為模型訓練導出標注結(jié)果試試 COCO、YOLO 等格式探索 3D 點云標注場景更多命令細節(jié)與高級配置見官方文檔site/content/en/docs/【免費下載鏈接】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.項目地址: https://gitcode.com/GitHub_Trending/cvat/cvat創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考