企业官网建设流程全解析

CVAT 部署上手：4 条命令搭好内网视觉标注平台

【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

CVAT（Computer Vision Annotation Tool）是一款开源的计算机视觉标注工具，覆盖图片、视频、3D 点云三类数据，自带团队协作和预训练模型辅助标注。把 CVAT 部署到自己的内网，数据不出机房、标注进度自己掌控。下面是可以直接照做的流程：4 条命令之后，浏览器里就能打开标注界面。

核对环境：开跑前先过这 4 项

花 1 分钟把依赖过一遍，缺哪项补哪项：

终端里跑docker --version和docker compose version就能确认前两项；磁盘别卡着下限，镜像和后续标注数据都往这里落。浏览器用 Chrome 或 Edge，Safari 官方明确不支持。

把服务跑起来：一条 4 步流水线

第 1 步：拉代码。仓库里最关键的是根目录的 docker-compose.yml，数据库、缓存、前后端容器全由它定义。

git clone https://gitcode.com/GitHub_Trending/cvat/cvat cd cvat

预期结果：出现 cvat 目录，且能看到 docker-compose.yml。

第 2 步：启动全部服务。这条命令会并行拉起 Postgres、Redis、Kvrocks、ClickHouse、OPA、Traefik 等 10 多个容器。

docker compose up -d

首次拉镜像需要 3-10 分钟，终端长时间无输出是正常的。跑完执行 docker compose ps：预期所有容器状态为 Up，其中 cvat_server 管后端 API、cvat_ui 管网页界面，这两个最重要。

第 3 步：建管理员账户。命令会进容器创建一个 Django 超级用户。

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

按提示填用户名、邮箱、密码（输两遍）。预期结果：终端提示创建成功，这组账号就是网页登录用的。

第 4 步：登录。浏览器打开 http://localhost:8080，输入账号密码，看到空的项目列表，说明 CVAT 部署完成。

登录后先试这 3 个场景

场景 1：给视频逐帧打框。新建 Task 时上传 mp4，填任务名、勾上 person 这类标签，提交后进标注页。用方向键切帧，在关键帧拖出矩形框，插值功能会自动补齐中间帧——60 秒的视频通常只要标十几个关键帧。

场景 2：预训练模型打底 + 人工修正。标注页右侧 AI Tools 面板里选中一个检测器（Mask RCNN、YOLO 等），点 Annotate，模型批量输出初始框，你只删误检、修偏移。同类型图片集的首轮效率比纯手工快 3 倍左右。前提是先挂上模型服务，方法在下一节第 2 条。

场景 3：给对象附加属性字段。建任务时在标签编辑区展开 Attributes，给标签定义单选、多选、文本属性（性别、年龄段、是否戴眼镜）。标注时右侧面板直接点选，导出数据集时字段随标注一起输出，训练前可直接按字段筛样本。


数据如果是自动驾驶点云，把画布切到 3D 模式，可在 Top/Side/Front 三个正交视角同步拉 3D 框，这是 CVAT 区别于普通标注工具的一大卖点。

进阶两件事：局域网协作与自动标注

这两项是 CVAT 部署后最常用的微调。

让局域网里其他人也能访问。

• 改哪里：环境变量 CVAT_HOST，默认 localhost 写在 docker-compose.yml 里
• 改成什么：启动前执行 export CVAT_HOST=服务器 IP 或域名
• 生效效果：Traefik 按该主机名路由，同事浏览器直接打开 http://服务器IP:8080 就能协作标注；不对外服务就别动

挂上自动标注模型服务。

• 改哪里：components/serverless/docker-compose.serverless.yml
• 改成什么：启动命令加它——docker compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d，再按 serverless/ 目录里的定义部署 YOLO、Mask RCNN 等模型
• 生效效果：网页 Models 区块出现可用模型，场景 2 的自动标注随即可用

云存储（S3/Azure）、外部数据库这些冷门项，用到再翻仓库的文档目录即可。

打不开页面时，按这 3 条查 🔧

1. 现象：8080 打不开，提示无法连接。原因：容器没起完或某个容器反复重启。修复：docker compose ps 找 Restarting 的容器，docker logs cvat_server 看报错，多为首次拉镜像未完成，等完再执行 docker compose up -d。
2. 现象：启动时报 8080 端口被占。原因：本机其他服务占了 8080。修复：lsof -i:8080 找到占用者，或把 docker-compose.yml 的 8080:8080 映射改成空闲端口后重启。
3. 现象：管理员密码忘了。原因：没记录，硬试也没用。修复：docker exec -it cvat_server bash -ic 'python3 ~/manage.py changepassword 你的用户名' 重置。

到这里，CVAT 部署全部完成，图片、视频、点云任务都能在内网跑起来。想继续学任务分工、质检流程和 20 多种数据格式导出，从仓库 site/content/en/ 的文档页开始翻。

【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