图像/视频标注工具CVAT

我的小站：Ean7的小站

中文版cvat项目地址：YQisme/cvat: 计算机视觉标注工具（CVAT）是一个领先的平台，用于为视觉人工智能构建高质量的视觉数据集。它提供开源、云端和企业级产品，以及标注服务，支持图像、视频和3D标注，具备AI辅助标注、质量保证、团队协作、分析和开发者API等功能。

CVAT 官方推荐使用 Docker Compose 部署，这是最简单、最稳定的方式。

如果是 Ubuntu 服务器（包括物理机、虚拟机、云服务器），按照下面步骤即可。

1. 安装 Docker

Ubuntu 22.04：

sudo apt update

sudo apt install -y \
    ca-certificates \
    curl \
    gnupg \
    lsb-release

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | \
sudo gpg --dearmor -o /usr/share/keyrings/docker.gpg

echo \
"deb [arch=$(dpkg --print-architecture) \
signed-by=/usr/share/keyrings/docker.gpg] \
https://download.docker.com/linux/ubuntu \
$(lsb_release -cs) stable" | \
sudo tee /etc/apt/sources.list.d/docker.list

sudo apt update

sudo apt install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin

验证：

docker --version
docker compose version

---

2. 下载 CVAT

CVAT 开源项目：

CVAT GitHub 仓库

克隆代码：

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

cd cvat

3.指定访问地址

然后修改 .env

找到或添加：

CVAT_HOST=本机的ip

4.启动

直接执行：

docker compose up -d

首次启动会下载：

• PostgreSQL
• Redis
• CVAT Server
• CVAT UI
• Traefik

大约需要几分钟。

查看状态：

docker ps

正常会看到：

cvat_server
cvat_ui
cvat_db
cvat_redis
traefik

---

5. 创建管理员账号

启动完成后：

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

输入：

Username
Email
Password

创建管理员账号。

---

6. 登录系统

浏览器打开：

http://服务器IP:8080

例如：

http://192.168.1.100:8080

登录刚创建的管理员账号即可。

---

CVAT 支持：

• YOLOv7
• SAM
• Mask-RCNN
• OpenVINO模型
• Tracking模型

启动 Serverless 组件：

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

然后部署对应模型。

1. CVAT serverless 是什么关系？

CVAT 结构是这样的：

CVAT 主系统
  ├── cvat_server（必须）
  ├── cvat_ui（必须）
  ├── postgres / redis（必须）
  └── serverless（可选 AI 推理）
        ├── YOLO
        ├── SAM
        ├── OpenVINO

👉 serverless 只是"AI能力插件层"

它依赖 CVAT 主服务存在

---

2. 两种启动方式对比

正确方式（官方推荐）

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

👉 一次性启动完整系统（推荐）

---

先主系统，再 serverless

Step 1

docker compose up -d

Step 2（后面再加）

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

👉 这样是 可以的

✔ CVAT 已运行 ✔ serverless 再补上 ✔ 不会冲突

概念

在 CVAT 里，这三个概念是一个层级关系：

Project（项目）

 ├─ Task（任务）

 │    ├─ Job（作业）

 │    ├─ Job（作业）

 │    └─ Job（作业）

 ├─ Task（任务）

 │    ├─ Job（作业）

 │    └─ Job（作业）

 └─ Task（任务）

官方定义中：

• Project：管理多个任务，共享标签体系（Labels）
• Task：一次具体的数据标注任务（图片集或视频）
• Job ：Task 自动切分后的实际标注工作单元 (docs.cvat.ai)

---

1. Project（项目）

Project 相当于一个数据集工程。

例如你要训练一个安全帽检测模型：

标签：

这些标签只需要在 Project 中定义一次。

然后可以创建多个 Task：

Helmet Detection

├─ Task1：工地A视频

├─ Task2：工地B视频

├─ Task3：工地C图片集

所有 Task 自动继承这些标签。 (docs.cvat.ai)

---

2. Task（任务）

Task 是实际上传的数据。

例如：

Task 1

上传：

CVAT：

Task: SiteA

Frames: 0~10000

或者：

Task 2

上传：

001.jpg

002.jpg

...

1000.jpg

CVAT：

一个 Task 对应：

• 一个视频
• 或一批图片
• 或一个点云数据集

Task 是数据管理单位。 (docs.cvat.ai)

---

3. Job（作业）

Job 是 Task 的切片。

当 Task 太大时：

CVAT 可以自动切分：

Job1

0~1999



Job2

2000~3999



Job3

4000~5999



Job4

6000~7999



Job5

8000~9999

这样：

• 标注员A做 Job1
• 标注员B做 Job2
• 标注员C做 Job3

多人并行工作。 (docs.cvat.ai)

---

实际例子

假设你有 30 个监控视频。

建立项目

Project

└─ Forklift Detection

标签：

---

创建任务

Task1

camera01.mp4



Task2

camera02.mp4



Task3

camera03.mp4

...

Task30

camera30.mp4

---

自动切分作业

例如：

设置：

CVAT 会生成：

Task1

├─ Job1 (0~999)

├─ Job2 (1000~1999)

├─ Job3 (2000~2999)

├─ Job4 (3000~3999)

└─ Job5 (4000~4999)

每个 Job 可以分配给不同标注员。 (docs.cvat.ai)

---

对 YOLO 数据集制作的建议

小项目（几百张）

直接：

不一定需要 Project。

---

正式项目（几千~几万张）

推荐：

Project

└─ Industrial Defect



    Task1

    └─ 原始图片批次1



    Task2

    └─ 原始图片批次2



    Task3

    └─ 视频抽帧批次1

这样：

• 标签统一管理
• 导出数据方便
• 后期增加数据批次容易

这是 CVAT 官方推荐的使用方式。 (docs.cvat.ai)

简单记忆：

层级	含义	类比
Project	整个数据集工程	一个 YOLO 项目
Task	一批待标注数据	一个视频或一批图片
Job	分配给标注员的工作单元	Task 的切片

最常见的生产环境结构：

Project

 ├─ Task（一个视频）

 │    ├─ Job

 │    ├─ Job

 │    └─ Job

 ├─ Task（一个视频）

 └─ Task（一个视频）

如果你的 CVAT 已经部署完成并能正常访问 Web 页面，最快的入门路线是：

1. 创建项目（Project）

进入 CVAT 后：

Projects → Create Project

例如：

• Name：YOLO11 Training
• Labels：
  • person
  • car
  • bicycle

如果后续训练 YOLO，建议先把所有类别定义好。

例如：

person

car

truck

bus

motorcycle

Label

CVAT 新版本（尤其是 2.x 以后）创建 Label 时，通常会看到：

• Raw（原始）
• Constructor（构造器）

这两个是创建标签的两种方式。

方法一：Raw（推荐新手）

点击 Raw 后，直接填写标签定义。

例如：

或者带属性：

[

  {

    "name": "person",

    "attributes": [

      {

        "name": "gender",

        "input_type": "select",

        "values": ["male", "female"]

      }

    ]

  },

  {

    "name": "car"

  }

]

对于 YOLO 标注，最简单的是：

[

  {"name":"person"},

  {"name":"car"},

  {"name":"truck"}

]

保存后会生成对应类别。

---

方法二：Constructor（图形界面）

这是大多数用户使用的方法。

点击：

然后：

添加类别

点击：

填写：

Name: person

Type: Rectangle

保存。

继续添加：

---

Shape Type 选择

如果训练 YOLO 检测模型：

选择：

对应目标检测框。

如果做实例分割：

选择：

如果做人脸关键点：

选择：

如果做姿态估计：

选择：

---

YOLO11 检测推荐配置

假设你做人员检测：

Label

Type

---

假设做安全帽检测：

Labels

全部选择：

---

Attributes 要不要填？

新手可以先不填。

例如：

person

├── gender

├── age

└── occluded

这些属性：

• 不会进入 YOLO 训练
• 只用于数据管理

所以 YOLO 项目一般：

即可。

---

2. 创建任务（Task）

进入：

Tasks → Create New Task

填写：

Name: yolo_train

Project: YOLO11 Training

最好不要选择子集，统一标注完后最后再划分训练集和验证集

然后上传图片：

支持：

• 本地上传
• ZIP上传
• 共享目录
• 云存储

对于第一次使用：

直接上传几十张图片即可。

---

3. 开始标注

点击任务进入 Job。

最常用的是：

矩形框（Bounding Box）

快捷键：

或点击左侧：

操作：

---

4. 常用快捷键

功能	快捷键
下一张	F
上一张	D
画框	N
保存	Ctrl+S
删除	Del
放大	鼠标滚轮
平移画布	鼠标中键拖动

建议记住：

基本够用了。

---

5. 自动标注（推荐）

如果图片很多，不要纯手工标。

CVAT 支持：

• YOLO
• SAM
• Grounding DINO
• Segment Anything

如果你部署了 Serverless：

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

进入任务后：

Actions

→ AI Tools

→ Automatic Annotation

选择模型：

自动生成标注后人工修正。

通常：

效率最高。

---

6. 导出 YOLO 数据集

标完后：

Task

→ Export Task Dataset

选择：

Ultralytics YOLO Detection 1.0

同时"保存图像"

导出得到：

dataset.zip

├── images

│   ├── train

├── labels

│   ├── train

└── data.yaml

默认只导出train，需要手动划分val，然后data.yaml也需要微调，下面使用一个脚本直接处理完

import os

import random

import shutil

import yaml



# =========================

# 配置

# =========================

IMAGE_DIR = "images/train"

LABEL_DIR = "labels/train"

DATA_YAML = "data.yaml"



VAL_RATIO = 0.2

SEED = 42

# =========================



random.seed(SEED)



def load_yaml(path):

    with open(path, "r", encoding="utf-8") as f:

        return yaml.safe_load(f)



def save_yaml(data, path):

    with open(path, "w", encoding="utf-8") as f:

        yaml.dump(data, f, sort_keys=False, allow_unicode=True)



# =========================

# 1. 读取 data.yaml（保留类别）

# =========================

cfg = load_yaml(DATA_YAML)



if "names" not in cfg:

    raise ValueError("❌ data.yaml 缺少 names")



names = cfg["names"]



# =========================

# 2. 获取图片

# =========================

images = [f for f in os.listdir(IMAGE_DIR)

          if f.lower().endswith((".jpg", ".png", ".jpeg"))]



images.sort()

random.shuffle(images)



val_count = int(len(images) * VAL_RATIO)

val_images = images[:val_count]

train_images = images[val_count:]



print(f"Total images: {len(images)}")

print(f"Train: {len(train_images)}")

print(f"Val: {len(val_images)}")



# =========================

# 3. 创建目录

# =========================

os.makedirs("images/val", exist_ok=True)

os.makedirs("labels/val", exist_ok=True)



# =========================

# 4. 移动函数

# =========================

def move_files(img_list, split):

    for img in img_list:

        name = os.path.splitext(img)[0]



        img_src = os.path.join(IMAGE_DIR, img)

        lbl_src = os.path.join(LABEL_DIR, name + ".txt")



        img_dst = os.path.join(f"images/{split}", img)

        lbl_dst = os.path.join(f"labels/{split}", name + ".txt")



        shutil.move(img_src, img_dst)



        if os.path.exists(lbl_src):

            shutil.move(lbl_src, lbl_dst)

        else:

            print(f"⚠️ missing label: {lbl_src}")



# 执行移动

move_files(train_images, "train")

move_files(val_images, "val")



print("✅ split done")



# =========================

# 5. 自动修 data.yaml

# =========================

cfg["path"] = "."

cfg["train"] = "images/train"

cfg["val"] = "images/val"



# （可选）删除 test 避免干扰

cfg.pop("test", None)



save_yaml(cfg, DATA_YAML)



print("✅ data.yaml updated")

print("🎯 Ready for YOLO training!")

最后用于训练：

yolo detect train model=yolo11n.pt data=data.yaml epochs=100

---

7. 最推荐的新手流程

假设你有 1000 张图片：

第一步

上传图片

---

第二步

手工标注 50 张

---

第三步

导出 YOLO 数据集

训练一个初始模型：

---

第四步

将训练好的模型导入 CVAT 自动标注

CVAT 自动预测：

---

第五步

人工修正

效率通常能提升：

或者

外部推理 + 导入 CVAT

YOLO模型 → 批量推理图片 → 生成 YOLO txt → 导入 CVAT

---

Step 1：跑模型批量推理

from ultralytics import YOLO
import cv2
import os

model = YOLO("best.pt")

imgs = "images/"
out = "labels/"

results = model(imgs)

for r in results:
    r.save_txt(out)

---

Step 2：导入 CVAT

在 CVAT：

Task → Dataset → Import annotations

选择：

• YOLO 1.1 format
• 或 Ultralytics YOLO Detection 1.0

---

Step 3：CVAT 自动加载结果

模型已经帮你画好框 只需要人工修正