数据标注工具CVAT教程

最新推荐文章于 2025-09-17 17:17:01 发布
原创 最新推荐文章于 2025-09-17 17:17:01 发布 · 2.2w 阅读 · 66 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#cvat #数据标注 #docker #目标检测 #分割

该文章已生成可运行项目，

                                          数据标注工具CVAT教程

目录

0. CVAT链接

1. 标注图(以旋转框为例)导出可视化效果

2. docker-容器安装cvat

3. cvat标注教程

3.1 支持的类型

3.2 标注流程

4. 类似paddle-OCR文本检测-文本识别 标注流程

0. CVAT链接

cvat：https://github.com/openvinotoolkit/cvat

1. 标注图(以旋转框为例)导出可视化效果


                '''
                基于coco格式进行可视化
                按照segmentation的点进行可视化，按照bbox的点进行可视化
                前者为分割，后者为最小水平框，若求最小外接矩形，采用cv2即可
                并且可以知道标注顺序
                ===========================================
                注意：
                CVAT最新版本有些bug，对于yolo格式目标检测没有问题，但是旋转目标检测
                需要导入or导入按照cvat images1.*格式！！！
                ===========================================
                '''

2. docker-容器安装cvat

TODO

3. cvat标注教程

3.1 支持的类型

【1】图像分类-多属性；【2】2D-3D目标检测；【3】语义分割-实例分割；【4】旋转目标检测；【5】文字检测+文字识别

3.2 标注流程

假设你并不熟悉cvat的标注流程，这里以图像2D目标检测为例

标注快捷键：N-自动画框-再按1次结束，DF前后移动1张，双击1：1，。。。

【1】测试步骤：不管你有无预标注，先创建1个project，并且按照图像的1-2-3-4-5等步骤创建；

【2】测试步骤：在创建task前，将2-3张图像压缩成1个zip文件，然后创建task，6-7-8-9，其中步骤9为每个间隔包含多少张图像，上传完成

【3】测试步骤：以2D目标检测为例，选择水平矩形框标注，然后保存，再按照以yolo的格式导出，那么就可以知道cvat支持的标注格式要求，你按照对应格式准备数据即可！按照11-12步骤导出即可

【4】测试步骤：若你有预标注，则参考对应格式准备即可，然后上传后，再执行1次13步骤，预标注需要2次上传，都是1个zip即可(图像+标注文件)

以上步骤你懂了，其它的，步骤类似；

4. 类似paddle-OCR文本检测-文本识别 标注流程

https://github.com/openvinotoolkit/cvat/blob/develop/cvat/apps/documentation/user_guide.md

本文章已经生成可运行项目
最强AI标注工具CVAT（检测、旋转目标检测、分割、3d目标检测、关键点识别、姿势识别、车道线等）从搭建到使用的最详细攻略
熊猫小妖的AI世界
06-14 4676
1最强AI标注工具CVAT 2支持检测、旋转目标检测、分割、3d目标检测、关键点识别、姿势识别、车道线等 3从搭建到标注使用的最详细攻略
LabelImg与CVAT：视觉数据标注工具全解析
热门推荐
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
06-21 7万+
LabelImg与CVAT：视觉数据标注工具全解析 ，人工智能，计算机视觉，大模型，AI，随着计算机视觉应用场景的不断拓展，对标注数据的需求日益增长，这也促使各类标注工具应运而生。其中，LabelImg 和 CVAT（Computer Vision Annotation Tool）凭借各自的优势，成为众多开发者和研究人员的常用工具。本文将对这两款工具进行全面解析，帮助读者深入了解它们的功能特性、使用方法以及适用场景。
【标注工具】Ubuntu20.04 下 CVAT 的安装及使用教程
csdnn345的博客
10-24 9338
CVAT本地部署及使用教程
CVAT工具的详细使用教程（视频标注）
最新发布
m0_51453764的博客
09-17 2778
（可选）点击 Add an attribute 为标签添加属性（例如为 “person” 添加 “pose” 属性，值可以是 “standing”, “sitting”, “running”）。这可以丰富标注信息。1）在物体首次出现的帧上，绘制边界框（或其他形状）。1）跳转到物体姿态或位置发生显著变化的后续帧（例如，按 F 下一帧，D 上一帧）。1）跳转到物体形状或位置发生显著变化的后续帧（例如，按 F 下一帧，D 上一帧）。1）在 “Tasks” 页面找到刚创建的任务，点击 “Open”。
yolov8 keypoint detection + tracking learning record
m0_47432251的博客
12-03 2702
由于生成了两个错误的bbox框 且两个框的keypoints的位置大概一致，暂时将inference.py的代码改为如下，直接去掉最外面的for 循环 只取第一维的结果 后续使用自己的数据集 再将for循环加上。这对于处理短暂的遮挡或目标出现/消失的情况非常有用。训练完毕，查看损失函数图像，重点关注与姿势相关的损失函数 损失函数模型可以优化吗 最近有新的pose网络和损失函数吗。（我的数据集只考虑一边的话 是不需要区分左右的 默认左右一致）[0,1,2,3,4,5,6,7]
3D点云目标检测数据集标注工具 保姆级教程——CVAT （附json转kitti代码）
m0_46182401的博客
09-13 1万+
CVAT的3D点云目标检测标注教程
CVAT安装及图片标注使用详细教程[含踩坑记录]
ZHUO__zhuo的博客
05-31 4万+
cvat是一个图像标注工具，记录一下安装和使用过程：
【保姆级】半自动标注工具CVAT安装教程 多次踩坑
Satellite的博客
06-01 7754
目录一、基础配置二、准备工作1.Ubuntu apt换源2.pip换源3.卸载docker及其配置文件（没有安装则可忽略）三、正式安装1.docker安装2.创建docker用户3.安装 docker-compose4.安装其他依赖4.克隆CVAT到本地4.运行docker容器5.注册超级管理员四、多人协同配置报错解决 一、基础配置 Ubuntu18.04 x86_64 如下图： 二、准备工作 1.Ubuntu apt换源 # 首先备份源列表 cp /etc/apt/sources.list /etc
CVAT标注工具使用与功能测试-Windows下（保姆式教程）
JHZ056的博客
11-12 2740
Computer Vision Annotation Tool（CVAT）是一个强大的用于计算机视觉数据标注的开源工具。它提供了一个灵活的平台，帮助用户为图像、视频等视觉数据添加标注信息。这款工具支持多种标注类型，如目标检测标注（用户可以在图像或视频帧中通过绘制边界框来标注目标物体）、语义分割标注（能够对图像进行像素级别的标注，区分不同的语义类别）、关键点标注（用于标注物体的关键点位置）。同时CVAT 具有直观的 Web 界面，方便用户操作。
Python-ComputerVisionAnnotationToolCVAT一个基于Web的视频和图像标注工具
08-11
Computer Vision Annotation Tool (CVAT)一个基于Web的工具，用于为计算机视觉算法标注视频和图像
cvat：功能强大且高效的计算机视觉注释工具（CVAT）
02-05
计算机视觉注释工具（CVAT） CVAT是用于计算机视觉的免费，在线，交互式视频和图像注释工具。 我们的团队正在使用它来注释数百万个具有不同属性的对象。 许多UI和UX决策都是基于专业数据注释团队的反馈。 在线尝试 。 文献资料 截屏 支持的注释格式 单击“上传注释”和“转储注释”按钮后，可以选择格式。 数据集框架允许通过其命令行工具和Python库进行其他数据集转换。 有关支持的格式的更多信息，请参阅。 注释格式 进口 出口 X X X X X X X 分割蒙版 X X X X X X X X X X X X X X X X 用于自动标记的深度学习模型
cvat:强大而高效的计算机视觉注释工具（CVAT）
05-11
计算机视觉注释工具（CVAT） CVAT是用于计算机视觉的免费，在线，交互式视频和图像注释工具。 我们的团队正在使用它来注释数百万个具有不同属性的对象。 许多UI和UX决策都是基于专业数据注释团队的反馈。 在线尝试 。 文献资料 截屏 支持的注释格式 单击“上传注释”和“转储注释”按钮后，可以选择格式。 数据集框架允许通过其命令行工具和Python库进行其他数据集转换。 有关支持的格式的更多信息，请参阅。 注释格式 进口 出口 X X X X X X X 分割蒙版 X X X X X X X X X X X X X X X X X X X X X X X X 深度学习无服务器功能，用于自动标记 名称 类型 框架 中央处理器 显卡 互动者 OpenVINO X 探测器 OpenVINO X 探测器 OpenVINO X 探测器
图像标注工具CVAT
weixin_40594084的博客
05-06 1663
图像标注工具CVAT，创建账户教程
CVAT数据标注工具使用教程与实战指南
CVAT（Computer Vision Annotation Tool）是一款功能强大且开源的数据标注工具，广泛应用于计算机视觉项目的开发与研究中。本文围绕“CVAT数据标注教程[代码]”这一主题，深入解析其核心知识点，涵盖安装部署、功能...
【安装、配置、汉化】CVAT: 团队协作与自动标注的图像标注工具
qq_46258063的博客
07-23 7234
在人工智能领域，数据标注是构建高效机器学习模型的关键步骤之一。作为一款功能强大的开源标注工具。CVAT有两大最关键的功能：支持团队协作标注；自动化标注。这使得CVAT很适合当作人工智能团队的标注工具，但尽管CVAT提供了一个直观的在线版本，对于追求深度定制和团队使用的项目来说，本地部署则显得尤为重要。本地部署CVAT主要优势是允许团队根据具体业务需求进行二次开发，提升工具的适用性。
cvat使用方法
05-15
### CVAT 使用教程与功能介绍 CVAT（Computer Vision Annotation Tool）是一款强大的开源图像和视频标注工具，广泛应用于计算机视觉领域中的数据预处理阶段。以下是关于 CVAT 的使用教程及其主要功能的详细介绍。 #### 1. 安装与启动 CVAT 支持多种安装方式，包括 Docker 和本地部署。推荐通过 Docker 进行快速安装，操作简便且兼容性强。 - **Docker 部署**: 参考官方文档运行以下命令即可完成安装并启动服务[^3]。 ```bash docker run -it --rm \ --name cvat \ -p 8080:8080 \ -v $(pwd)/data:/home/django/data \ openvino/cvat:latest ``` 访问 `http://localhost:8080` 即可进入 CVAT Web UI 页面。 --- #### 2. 创建任务 (Task) 在 CVAT 中，“任务”是指一组待标注的数据集合。创建新任务的具体流程如下： - 登录到 CVAT 平台后，在首页点击 “Create new task” 按钮。 - 填写任务名称、描述等内容，并上传需要标注的图片或视频文件。 - 设置帧率范围和其他参数（仅适用于视频任务），完成后提交任务。 --- #### 3. 数据标注 CVAT 提供了丰富的标注模式支持不同类型的项目需求： - **矩形框标注**：用于目标检测场景下的边界框绘制。 - **多边形/线段标注**：适合分割任务或者复杂形状的目标标记。 - **点云标注**：针对三维空间内的物体定位。 - **关键点标注**：人体姿态估计等领域常用的功能之一。 用户可以直接拖拽鼠标完成图形绘制，也可以借助快捷键提高效率[^1]。 --- #### 4. 导出标注结果 当所有数据都已完成标注之后，可以通过菜单栏中的“Export Task Dataset”选项导出最终成果。此过程允许自定义输出配置，例如选择特定格式（如 COCO, Pascal VOC）、决定是否附带源图像等[^1]。 示例代码展示如何利用 Datumaro 工具进一步处理已导出的数据集： ```python from datumaro.components.project import Project # 初始化一个新的项目实例 proj = Project() # 将 CVAT 输出的结果导入至当前项目中 proj.import_from('path/to/exported_data', 'cvat') # 执行其他转换逻辑... proj.export('output_directory', format='coco_instances') ``` --- #### 5. 插件扩展与其他高级特性 除了基础功能外，CVAT 还提供了插件机制以便开发者实现个性化定制。比如增加新的标注类别、修改界面布局或是集成第三方 AI 模型辅助人工操作[^3]。 此外，团队协作也是该平台的一大亮点——允许多名成员同时参与同一个项目的编辑工作，并实时同步进度更新状态给所有人查看。 --- ### 总结 综上所述，CVAT 不仅为用户提供了一套完整的可视化解决方案，还兼顾灵活性满足各类特殊应用场景的要求。无论是初学者还是专业人士都能从中受益匪浅。
评论 13
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值