计算机视觉标注工具 (CVAT)

CVAT 是一款用于计算机视觉的交互式视频和图像标注工具。全球数以万计的用户和公司都在使用它。我们的使命是帮助世界各地的开发者、企业和组织，通过以数据为中心的人工智能方法解决实际问题。

在线使用 CVAT：cvat.ai。您可以免费使用，也可以订阅，以获得无限的数据存储、组织管理、自动标注功能，以及与 Roboflow 和 HuggingFace 的集成。

或者将 CVAT 部署为自托管解决方案： 自托管安装指南。 我们为自托管部署提供企业级支持，包含高级功能：SSO、LDAP、与 Roboflow 和 HuggingFace 的集成，以及高级分析（即将推出）。此外，我们还提供培训和 24 小时 SLA 的专属支持。

快速入门 ⚡

• 安装指南
• 用户手册
• 贡献指南
• Datumaro 数据集框架
• 服务器 API
• Python SDK
• 命令行工具
• XML 注释格式
• AWS 部署指南
• 常见问题解答
• 提问渠道

合作伙伴 ❤️

CVAT 被全球各地的团队广泛使用。在列表中，您可以看到那些帮助我们支持产品或构成我们生态系统重要组成部分的关键公司。如果您正在使用 CVAT，请发送邮件至 contact@cvat.ai 与我们联系。

• Human Protocol 将 CVAT 用作向 Human Protocol 添加标注服务的方式。
• FiftyOne 是一个开源的数据集管理和模型分析工具，用于可视化、探索和改进计算机视觉数据集及模型，它与 CVAT 紧密集成，用于标注和标签优化。

公开数据集

由南卡罗来纳大学土木与环境工程系的 iWERS 团队开发的水体图像语义分割开源数据集 ATLANTIS 正在使用 CVAT。

有关如何使用 CVAT 构建语义分割数据集，请参阅：

• ATLANTIS 已发表的文章
• ATLANTIS 开发工具包
• ATLANTIS 标注教程视频。

CVAT 在线版：cvat.ai

这是 CVAT 的在线版本。它免费、高效且易于使用。

cvat.ai 运行的是最新版本的工具。您可以在那里创建最多 10 个任务，并上传最多 500MB 的数据进行标注。这些数据仅对您或您指定的人员可见。

目前，它不具备分析功能，例如管理和监控数据标注团队。同时，它也不支持导出图像，只能导出标注信息。

我们计划为 cvat.ai 增加更多强大的新功能。敬请期待！

预构建 Docker 镜像 🐳

预构建的 Docker 镜像是在本地快速启动 CVAT 的最简单方式。它们可在 Docker Hub 上找到：

• cvat/server
• cvat/ui

这些镜像至今已被下载超过 100 万次。

屏幕录像 🎦

以下是一些展示如何使用 CVAT 的屏幕录像。

计算机视觉标注课程： 我们推出了这一系列课程，旨在帮助您使用 CVAT 更快、更好地标注数据。本课程主要介绍 CVAT 的部署与集成，内容包括演示文稿，涵盖以下主题：

• 加速您的数据标注流程：CVAT 和 Datumaro 简介。 CVAT 和 Datumaro 解决了哪些问题？它们如何加速您的模型训练过程？还有一些资源可以帮助您进一步了解如何使用它们。
• CVAT 的部署与使用。在线使用 app.cvat.ai。本地部署。使用 Docker Compose 的容器化本地部署（适用于常规使用），以及使用 Kubernetes 的本地集群部署（适用于企业用户）。2 分钟界面概览，CVAT 内部结构解析，以及演示如何使用 Docker Compose 部署 CVAT。

产品巡礼：在本课程中，我们展示了如何使用 CVAT，并帮助您熟悉其功能和界面。本课程不涉及集成，完全专注于 CVAT。内容包括：

• 工作流。在这段视频中，我们展示了如何使用 app.cvat.ai：如何注册、上传数据、进行标注并下载结果。

如需反馈，请参阅 联系我们

API

• 文档

SDK

• 使用 pip install cvat-sdk 安装
• PyPI 包主页
• 文档

CLI

• 使用 pip install cvat-cli 安装
• PyPI 包主页
• 文档

支持的标注格式

CVAT 支持多种标注格式。您可以在点击 上传标注 和 导出标注 按钮后选择格式。 Datumaro 数据集框架通过其命令行工具和 Python 库，支持对数据集进行额外的转换。

有关支持的格式的更多信息，请参阅： 标注格式。

标注格式	导入	导出
适用于图像的 CVAT	✔️	✔️
适用于视频的 CVAT	✔️	✔️
Datumaro	✔️	✔️
PASCAL VOC	✔️	✔️
来自 PASCAL VOC 的分割掩码	✔️	✔️
YOLO	✔️	✔️
MS COCO 对象检测	✔️	✔️
MS COCO 关键点检测	✔️	✔️
MOT	✔️	✔️
MOTS PNG	✔️	✔️
LabelMe 3.0	✔️	✔️
ImageNet	✔️	✔️
CamVid	✔️	✔️
WIDER Face	✔️	✔️
VGGFace2	✔️	✔️
Market-1501	✔️	✔️
ICDAR13/15	✔️	✔️
Open Images V6	✔️	✔️
Cityscapes	✔️	✔️
KITTI	✔️	✔️
Kitti 原始格式	✔️	✔️
LFW	✔️	✔️
Supervisely 点云格式	✔️	✔️
Ultralytics YOLO 检测	✔️	✔️
Ultralytics YOLO 有向边界框	✔️	✔️
Ultralytics YOLO 分割	✔️	✔️
Ultralytics YOLO 姿态	✔️	✔️
Ultralytics YOLO 分类	✔️	✔️

用于自动标注的深度学习无服务器函数

CVAT 支持自动标注功能，可将标注流程提速高达 10 倍。以下是我们的支持算法及其运行平台列表：

名称	类型	框架	CPU	GPU
Segment Anything	交互式	PyTorch	✔️	✔️
Faster RCNN	检测器	OpenVINO	✔️
Mask RCNN	检测器	OpenVINO	✔️
YOLO v3	检测器	OpenVINO	✔️
YOLO v7	检测器	ONNX	✔️	✔️
目标重识别	重识别	OpenVINO	✔️
面向 ADAS 的语义分割	检测器	OpenVINO	✔️
文本检测 v4	检测器	OpenVINO	✔️
SiamMask	跟踪器	PyTorch	✔️	✔️
TransT	跟踪器	PyTorch	✔️	✔️
内外引导	交互式	PyTorch	✔️
Faster RCNN	检测器	TensorFlow	✔️	✔️
RetinaNet	检测器	PyTorch	✔️	✔️
人脸检测	检测器	OpenVINO	✔️

许可证

该代码根据 MIT 许可证 发布。

位于 /serverless 目录中的代码同样根据 MIT 许可证 发布。 然而，它可能会下载并使用各种资源，例如源代码、架构和权重等。 这些资源可能采用不同的许可证进行分发，其中包括非商业用途的许可证。 在使用这些资源之前，您有责任确保遵守相关许可证的条款。

本软件使用了来自 FFmpeg 项目的 LGPL 许可库。 关于 FFmpeg 的具体配置和编译步骤，请参阅 Dockerfile。

FFmpeg 是一个基于 LGPL 和 GPL 许可的开源框架。 详情请参阅 https://www.ffmpeg.org/legal.html。您需自行判断是否需要为您的 FFmpeg 使用申请额外的许可证。 CVAT.ai 公司不负责获取此类许可证，亦不对因您使用 FFmpeg 而产生的任何许可费用承担责任。

联系我们

如有关于 CVAT 使用的问题，请前往 Gitter 提问。 通常，核心团队或社区成员会迅速回复问题。您也可以在该平台上浏览其他常见问题。

Discord 同样是提问或讨论与 CVAT 相关话题的好去处。

如需咨询公司及工作相关事宜，请访问 LinkedIn。

观看关于 CVAT 的屏幕录制和教程，请访问 YouTube。

如需提出功能请求或报告 bug，请前往 GitHub issues。 如果是 bug，请务必附上复现步骤。

在 StackOverflow 上搜索 #cvat 标签，也是提问并获得支持的一种方式。

如果您需要商业支持，请通过我们的官网联系我们：使用我们的网站。

链接

• Intel AI 博客：全新计算机视觉工具加速数字图像和视频标注

• Intel 软件：计算机视觉标注工具——数据标注的通用方法

• VentureBeat：Intel 开源 CVAT，一款用于数据标注的工具包

• 如何使用 CVAT（Roboflow 指南）

• 如何在 CVAT 中使用 Roboflow Universe 上的 5 万多个模型自动标注数据

CVAT 快速上手指南

CVAT (Computer Vision Annotation Tool) 是一款功能强大的交互式视频和图像标注工具，广泛应用于计算机视觉领域。本指南将帮助你快速在本地部署并开始使用。

环境准备

在开始之前，请确保你的系统满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 20.04/22.04), macOS, 或 Windows (需安装 WSL2)。
• Docker: 已安装 Docker Engine (版本 20.10+) 和 Docker Compose (版本 2.0+)。
• 硬件资源:
  • 内存：建议至少 4GB (处理大型数据集或视频时建议 8GB+)。
  • 磁盘：预留足够的空间存储数据和 Docker 镜像。
• 网络: 能够访问 Docker Hub 拉取镜像（若国内网络受限，建议配置 Docker 镜像加速器）。

提示：国内用户建议在 Docker 配置中添加镜像加速源（如阿里云、腾讯云等），以加快 cvat/server 和 cvat/ui 镜像的拉取速度。

安装步骤

推荐使用官方提供的预构建 Docker 镜像进行本地部署，这是最简便的方式。

1. 克隆项目仓库

首先，从 GitHub 克隆 CVAT 源代码仓库：

git clone https://github.com/cvat-ai/cvat.git
cd cvat

2. 配置环境变量

复制示例配置文件以生成本地配置：

cp docker-compose.yml docker-compose.override.yml

注意：默认配置已适用于大多数本地开发场景。如需修改端口或启用 GPU 支持，可编辑 docker-compose.override.yml。

3. 启动服务

使用 Docker Compose 启动所有服务（包括服务器、数据库、UI 等）：

docker compose up -d

首次运行会自动下载相关镜像，可能需要几分钟时间。

4. 创建管理员账户

服务启动完成后，初始化超级用户账户。将 <username> 和 <password> 替换为你想要的用户名和密码：

docker compose exec -T server python3 ./manage.py createsuperuser --username <username> --email <your-email@example.com>

按提示输入密码即可。

基本使用

1. 访问 Web 界面

打开浏览器，访问：

http://localhost:8080

使用刚才创建的账号登录。

2. 创建第一个标注任务

1. 点击 "Create new task"（创建新任务）。
2. 填写任务名称（Name）和标签名称（Labels，例如 car,person）。
3. 在 "Data" 部分，点击 "Select files" 上传本地的图片或视频文件。
4. 点击 "Submit & Open" 提交并进入标注界面。

3. 开始标注

• 在左侧工具栏选择形状工具（如矩形框、多边形等）。
• 在图像上绘制标注区域。
• 使用顶部菜单栏切换帧（如果是视频）或下一张图片。
• 完成后，点击左上角的 "Save" 保存进度，或 "Exit" 退出。

4. 导出标注结果

1. 返回任务列表，点击对应的任务。
2. 点击右上角的 "Menu" (三个点图标) -> "Export dataset"。
3. 选择所需的标注格式（如 MS COCO, YOLO, PASCAL VOC 等）。
4. 点击 "Export" 下载标注文件压缩包。

---

进阶提示：

• Python SDK: 可通过 pip install cvat-sdk 安装 SDK，使用 Python 脚本自动化管理任务和下载数据。
• 自动标注: CVAT 支持集成深度学习模型（如 SAM, YOLO）进行辅助自动标注，需在部署时额外配置 Serverless 函数。