CVAT 免费开源：把图像、视频和 3D 点云批量标成可训练数据的完整工作流

CVAT 免费开源：把图像、视频和 3D 点云批量标成可训练数据的完整工作流

【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

手头有一批图、视频或激光雷达点云，要拿去训视觉模型，第一道坎永远是"谁来标、怎么标、标完怎么交给训练"。CVAT 把建任务、画标注、AI 预标注、多人审核、按训练格式导出这一整条链路都塞进了一个网页里，开源免费，单人单机就能跑起来。下面是我踩过的坑和取舍建议，照着走一遍就能上手。

先看清楚 CVAT 能替你做哪些活

别急着装，先确认它解决的是你的问题，免得白折腾。它主打几件事：

• 图像和视频的框选、多边形、关键点、掩码，连 3D 激光雷达点云都能标。
• 内置一堆预训练模型做自动预标注，人只负责修错。
• 任务能拆成 Job 分给不同人标、再审核，进度和质量在 Analytics 页里直接看。
• 标完能直接导出 COCO、Pascal VOC、YOLO 这类训练框架认识的格式。

判断标准很简单：如果你的数据是 2D 图、视频或点云，并且最后要进训练流程，那它基本是默认选项。

十分钟在本地跑起一套标注环境 🚀

最省心的方式是 Docker 部署，环境一致、不污染本机。克隆仓库后一条命令拉起：

git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker-compose up -d

等它把依赖服务起完，浏览器打开http://localhost:8080，默认账号admin、密码admin，登进去第一件事就是改密码。个人单机这样够用；等要多人协作、GPU 跑模型，再考虑上云或换更重的编排。

把一堆图片变成第一个可标注任务

CVAT 里是三层结构，先分清这层关系能少走弯路：

• Project（项目）：一组同主题数据的容器，标签在这里统一配置。
• Task（任务）：一个具体的标注单元，可以是若干图片或一段视频，归属某个项目。
• Job（作业）：长视频或大任务会被自动切成多段 Job，方便分给不同的人。

先建 Project 并配好标签（类别如 car、pedestrian，可加颜色、尺寸这类属性），再在 Project 里 Create New Task。任务页支持本地上传、URL、云存储（AWS S3、Azure Blob）几种数据来源，标完的 Job 列表和分配人都在任务详情页里。

框、多边形、关键点：编辑器里常用的几件工具

进入任务后就是标注编辑器。左侧竖排是形状工具，中间画布，右侧是对象列表和外观设置。

• 矩形框：目标检测最常用，快糙猛，大批量首选。
• 多边形 / 椭圆：形状不规则时用来精确勾边。
• 关键点（Points）：姿态、人脸这类带骨架的任务，可先用 Skeleton 配置器定义点间连接。
• 画笔与智能填充：语义分割场景直接涂，比逐点勾多边形省事。

几个顺手能记的快捷键，能明显提速：Ctrl+S存一版，Z撤销、Y重做，F快速框选，P切多边形。视频里还能用轨迹插值让关键点跨帧平滑，省得逐帧标。

让模型先跑一遍，人只负责修正

数据量一大，纯手工就劝退了。CVAT 的 Models 页里挂着 YOLO、Faster R-CNN 这类预训练模型，流程是：选模型 → 把模型输出的类别映射到你的标签 → 设个置信度阈值 → 点 Annotate，模型就把初始结果铺满画布，你只改错的那部分。

想接自己领域的模型，看仓库里的 ai-models/ 目录，里面有 ONNX、PyTorch、TensorFlow 等后端示例，照着加一个就行。经验上：阈值别贪高，宁可多留几个漏框再删，也别为了干净丢掉小目标。

标完怎么交付：导出、分工、看进度

标注只是中间态，能进训练才算交付。

挑训练要用的格式。任务详情页走 Export Dataset，选 COCO、Pascal VOC、YOLO 等格式直接下载压缩包。团队统一用同一份标签配置，格式就不会对不上。

团队分工与权限。到了多人规模，用 organizations 模块建组织、定角色，Project 里 Assign 到具体的人，Job 自动按段切开分配，标完再进审核环节，权限和流水都留痕。

盯着进度看质量。Analytics 页给三块统计：Summary、Annotations、Events。Annotations 里按标签名列出各类多边形数量与总数，哪个类别标得少、哪个人产出一高一低，一眼能看出来。

---

下一步建议：先拿一个最小的真实数据子集（几十张图或一段短视频）把"建任务 → 预标注 → 修正 → 导出 COCO"这条链路完整跑一遍，确认格式能被你的训练代码读进来，再考虑铺量。更多细节翻一下根目录的 README.md 和 site/content/en/ 下的文档就够了。

【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