CVAT 实测跑通 5 类标注场景后这份图像视频标注工具选型指南帮你省 3 天【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一段 3 分钟的视频手工给 200 个行人拉框画完你可能想砸鼠标——而训练数据就卡在等你。这篇文章带你过一遍 CVAT 这个开源图像/视频标注工具它怎么把逐框硬画变成模型先画、你来改以及自托管、云端、企业版该选哪个。它到底帮你解决什么问题一句话说清定位让团队在浏览器里把原始图片、视频、点云变成能直接喂模型的训练集。核心是三件事——10 种以上标注对象矩形、多边形、mask、骨架、3D 立方体、标签等、可接入模型的自动标注、以及 20 种业界格式的导入导出COCO、YOLO、Pascal VOC、KITTI 等标注完不用再做格式转换的胶水工作。从下载到出结果的 3 分钟路径 最快的路是浏览器官网有免费计划注册就能标适合先感受再决定要不要自托管。想数据留在自己机器上按这条线走克隆仓库并启动服务需要 Dockergit clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat docker compose up -d创建管理员账号docker exec -it cvat_server bash -ic python3 ~/manage.py createsuperuser打开 http://localhost:8080 → 登录 → New task → 添加一个 label → 上传几张图或一段视频 → 在画布上点选 Rectangle 画第一个框 → 保存后 Export dataset选 YOLO 格式下载。从docker compose up -d到导出第一个标注文件顺利的话 10 分钟内能走完。注意它主要适配 Chromium 系浏览器Safari 不支持。按你要做的事拆功能 ⚡不按模块讲按任务拆。下表覆盖最常见的 5 类你要做的事用什么实际体验适合的数据2D 目标检测矩形 Track 自动补帧首帧画框沿视频自动延伸可用 YOLOv7、Faster RCNN 预标图片集、监控视频精细分割多边形 / Mask / 画笔配 SAM、IOG 等交互模型点两下出 mask医学影像、遥感图视频目标跟踪Track 插值画首尾关键帧中间帧自动插TransT 可做跟踪动作视频、轨迹数据骨架姿态Skeleton shape逐关键点标注HRNet32 可自动出姿态体育、人体动作3D 点云标注立方体 三视图同步Top/Side/Front 联动KITTI 格式直出激光雷达 PCD/BIN自动标注的入口在创建任务时选模型即可内置 9 个预置 serverless 模型覆盖检测YOLOv7、RetinaNet、Mask RCNN、人脸检测、分割交互SAM、IOG、姿态HRNet32和跟踪TransT。模型清单见 serverless 模型目录格式实现可查 formats 源码。版本与方案选型对照怎么选方案功能范围成本适合谁云端免费计划完整标注功能SSO、内置 SAM 2/3 等高级功能需付费免费有计划用量限制个人试用、快速验证想法社区自托管本仓库开源全功能MIT 协议可二次开发免费自备服务器数据不能出内网的小团队企业版SSO、SLA、技术支持、高级功能付费有安全合规要求的企业外包标注服务不自己干活由对方团队标注付费没有自有标注团队选择建议先试用就点云端免费版一旦数据必须留在自己机房成立直接上社区版自托管需要 SSO 和 SLA 再谈企业版。谁已经在用场景速览自动驾驶团队相机视频拉 2D 框、激光雷达点云标立方体KITTI 格式直出——解决 2D/3D 两套标注工具来回搬数据的问题。姿态估计组先人工标 100 帧做种子用 HRNet32 把其余帧自动标出来人只做修正标注周期从按周算变按天算。数据管线工程师用 Python SDK 建任务、标完导出 COCO直接接进训练流水线分析面板还能看到每个任务的工作时长和标注速度方便核算人力。多人协作项目consensus 机制让多人对同一段视频各标一份交叉比对找分歧Issue 标记返工点减少标完才发现问题的返工成本。坦诚说优点和已知局限优点一是数据主权MIT 协议整套跑在内网数据不离开你的环境二是格式生态最全20 种进出格式、2D/3D/音频标注在同一套系统里三是自动化面完整REST API、Python SDK、CLI 三件套都有SDK 示例可以直接抄。局限自动标注不是开箱即用的——serverless 组件Nuclio nuctl要单独部署有一定运维门槛预置模型也只有 9 个浏览器支持保守Safari 直接不支持SSO、内置 SAM 2/3 自动标注、AI agents 属于付费计划社区版里看不到。同类项目横评Label Studio模板自定义更灵活结构化数据OCR、表单类很顺手但视频插值和 3D 点云的深度不如 CVAT——视频/3D 为主选 CVAT混合数据类型多再评估 Label Studio。VIAVGG Image Annotator单页极轻量打开就画适合个人快速标几十张图但没有协作、没有 Track、没有 3D——轻量个人场景选它团队场景选 CVAT。下一步按你的情况走个人玩家注册云端免费版导一个 50 张的测试集先标 10 张导出 YOLO 格式把上传→标注→导出全流程跑通一遍再决定要不要深用。小团队找台 16GB 内存的机器docker compose up -d第一个任务就用视频跟踪练手——100 帧的片段标 2 帧看插值效果这是 CVAT 最直观的体验点。企业先部署社区版验证数据流含 S3/Azure 云存储对接同时把 SSO 和 SLA 需求列给厂商评估企业版报价别一开始就买。现在就可以动手打开终端把仓库拉下来跑docker compose up -d等几分钟 localhost:8080 就能打开你的第一个矩形框离得很近。更多细节可看 cvat-core 标注对象源码。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
