企业官网建设流程全解析

CVAT视觉标注部署指南：十分钟从零到可访问

【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

手工标数据集，一个个框慢慢拉，做过模型的人都体会过这种枯燥。CVAT是开源的计算机视觉标注平台，支持图像、视频和3D点云标注，还能接入自己的模型做预标注。它的本地部署完全容器化，跟着做，十分钟左右你机器上就能跑起一个可用的标注服务。

值不值得用？三点快速判断

这一节帮你花三十秒决定要不要装它。

核心能力，三条：

• 图像、视频、3D点云标注
• 接入自有模型自动预标注
• 导出COCO、YOLO等20+格式

适合谁：需要本地自建数据集的算法工程师、小规模协作标注的团队、以及想通过REST API和Python SDK把标注流水线自动化起来的开发者。

和传统做法的差别：以前画图和存结果分散在几个画图工具和表格里，现在标注、任务分配、导出在同一套Web界面里完成，数据不出你自己的机器。

十分钟部署：从零到可访问

先自检

开始之前先确认机器满足最低条件，避免装到一半卡住。

• 系统：能跑Docker的任意Linux发行版（Windows/macOS装Docker客户端也行）
• 必备工具：Docker Engine、Docker Compose、Git
• 浏览器：以Chromium系为主（Chrome、Edge），Safari不支持

docker --version docker compose version git --version

⚠️ 任一命令报错就先装对应工具，各系统的安装细节见安装文档。

跟着跑

1. 获取代码

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

✅ 预期结果：得到包含docker-compose.yml的项目目录。

2. 启动全部服务

docker compose up -d

📌 首次会拉取server、UI、PostgreSQL、Redis等多个镜像，体积较大，耐心等完。

✅ 预期结果：docker compose ps里所有容器状态都是running。

3. 创建管理员账户

docker exec -it cvat_server bash -ic 'python3 ~/manage.py createsuperuser'

✅ 预期结果：按提示输入用户名、邮箱和密码，账户创建完成。

验收

浏览器打开 http://localhost:8080 ，用刚创建的超级用户登录。如果需要从局域网IP访问，启动前先设置CVAT_HOST环境变量。

第一次登录：先做这3件事

进界面之后，按顺序做这三件，一次跑通整个工作流。

1. 创建第一个任务：在Dashboard点New task，上传一批图片或一段视频。上传的数据落在cvat_data卷里，重启服务不会丢。
2. 定义标签：给任务配置几个label（比如car、pedestrian），需要的话再挂上属性字段，后面标注时会用到。
3. 体验一次标注：进入编辑器，在第一帧画一个矩形框，切几帧确认保存正常，再退出。

按你的场景调优

这一节给你三个高频场景的调法，参数都能落到具体文件上。

视频标注

• 参数建议：在docker-compose.yml里把CVAT_ALLOW_STATIC_CACHE设为yes，启用帧缓存。
• 适用任务：动作识别、视频跟踪等序列标注。
• 技巧：用插值功能在关键帧之间自动生成过渡标注，再手工微调。

3D点云

• 参数建议：按CPU核数调整docker-compose.yml中各worker的NUMPROCS。
• 适用任务：自动驾驶的3D cuboid标注、三维重建。
• 技巧：用Top/Front/Side多视角同步交叉核对标注精度。

AI预标注

• 参数建议：给部署加上serverless组件：

docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d

• 适用任务：检测、分割模型的批量预标注。
• 技巧：组件起好之后，用nuctl部署SAM或YOLO等模型，函数定义在components/serverless/里。

卡住了？高频故障速查

这三种故障覆盖了部署时最常遇到的坑，处理办法都能在官方FAQ里找到对应条目。

8080端口冲突

• 现象：启动日志提示Bind for 0.0.0.0:8080 failed。
• 可能原因：本机8080端口已被占用。
• 解决：改docker-compose.yml中traefik服务的ports映射，比如换成8081:8080。

远程机器访问不到页面

• 现象：本机localhost正常，用服务器IP访问就是不通。
• 可能原因：CVAT_HOST默认值是localhost，路由规则没匹配你的IP。
• 解决：执行export CVAT_HOST=<你的IP或域名>后重新docker compose up -d。

数据库连接失败

• 现象：日志里出现could not connect to server: Connection refused。
• 可能原因：cvat_db容器没起来或启动失败。
• 解决：docker compose ps确认容器状态，异常就执行docker compose restart cvat_db再试。

环境搭好之后，下一步就是往里灌你自己的数据了。你打算怎么接入云存储来放基础数据集？又该用REST API把批量建任务这件事自动化到什么程度？

【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