Kuidas kasutada CVAT-i: sõbralik, samm-sammult juhend kiireteks ja täpsete annotatsioonide tegemiseks
Kui oled kunagi proovinud treenida arvutinägemise mudelit, oled tõenäoliselt kokku puutunud sama probleemiga, mis kõigil teistelgi: andmed vajavad suurepäraseid silte. CVAT (Computer Vision Annotation Tool) on üks populaarsemaid platvorme kvaliteetsete pildi- ja videoannotatsioonide loomiseks – avatud, võimas ja loodud skaleerimiseks nii kõrvalprojektidest tootmisprotsessideni. See juhend viib sind läbi installimise, seadistamise, sildistamise töövoogude, automatiseerimisabiliste, kvaliteedikontrolli ja ekspordi – et saaksid nullist puhta andmekogumini ilma kaose tekketa.
Hoiame selle praktilise ja otsekohesena, näidete, otseteede ja välditavate lõksudega.
Mis on CVAT ja miks seda kasutada?
CVAT on veebipõhine tööriist piltide ja videote märkimiseks. See toetab objektide tuvastamist, segmenteerimist, klassifitseerimist ja jälgimist. Saate seda käitada lokaalselt või serveris, kutsuda meeskonnaliikmeid, hallata projekte/ülesandeid ja eksportida silte tavalistesse vormingutesse (nagu COCO, YOLO, VOC). Kui vajad korratavat, koostööl põhinevat ja täpset sildistamist – CVAT pakub seda.
- Brauseripõhine, töötab meeskondadega
- Käsitleb pilte ja pikki videoid interpolatsiooni/jälgimisega
- Paindlik sildistamisskeem ja atribuudid
- Mitu ekspordivormingut populaarsete treenimisraamistike jaoks
Ametliku ülevaate saamiseks on CVAT-i meeskonna "Alustamine" kasulik sissejuhatus.
Kiire seadistamine: kiireim viis CVAT-i käitamiseks
CVAT-i tüüpiline installimisteek kasutab Dockerit. See koondab serveri, andmebaasi ja sõltuvused, et saaksid minutitega alustada.
- Docker ja Docker Compose (või Docker Desktop)
- Soovitatav: kaasaegne CPU, piisavalt RAM-i (8–16 GB+ videot nõudvate ülesannete jaoks)
- Klooni CVAT-i hoidla ja käivita compose skript või kasuta otse konteineripilte. Ametlik dokumentatsioon pakub täpseid käske ja keskkonnamuutujaid. Docker Hubis on ka avaldatud serveripilt.
- Juurdepääs kasutajaliidesele
- Kui konteinerid töötavad, ava oma brauser (tavaliselt ), loo administraator/kasutaja ja logi sisse.
Nipp: Andmete salvestamine ühendatud mahtudele tagab, et sinu ülesanded, projektid ja annotatsioonid säilivad uuenduste korral.
CVAT-i töövoog lühidalt
Mõtle kolmes kihis: Projekt → Ülesanne → Töö.
- Projekt: Seotud ülesannete kogum (nt "Jaemüügi riiuli tuvastamine 2025"). Määratleb globaalsed sildid.
- Ülesanne: Üks sildistamisüksus (nt üks partii 1000 pildist või 2-tunnine video).
- Töö: Ülesande jaotus (nt pika video lõigud), mis on määratud annotaatoritele.
See struktuur võimaldab hallata suuri andmekogumeid, määrata tööd meeskonnaliikmetele ja hoida sildimääratlused ühtsed.
Samm 1: Loo projekt ja sildid (skeemi kujundus)
Enne andmete üleslaadimist määratle oma ontoloogia – mida sa sildistad ja kuidas.
- Klassid: nt
inimene, auto, kiiver, pragu.
- Atribuudid: nt
varjatud: jah/ei, ilm: päikseline/vihmane, kahju_raskusaste: 1–5.
- Värvikood: parandab visuaalset selgust.
Parimad praktikad:
- Hoia klassinimed lühikesed, ühtsed ja kirjeldavad.
- Kasuta atribuute metaandmete jaoks, mis ei vaja joonistamist (nt "on_rahvahulk").
- Väldi kattuvate klasside kasutamist, välja arvatud juhul, kui see on tahtlikult hierarhiline (nt
sõiduk > auto/buss/veoauto).
Saad määratleda silte projekti tasemel, nii et kõik seotud ülesanded pärivad need.
Samm 2: Loo ülesanne ja laadi üles andmed
Armatuurlaualt:
- Uus → Ülesanne → Nimeta oma ülesanne.
- Vali projekt (valikuline, kuid soovitatav).
- Laadi üles andmed: lohista ja kukuta pildid, suuna kataloogi või paku pilvesalvestuslinke (nt S3, Azure Blob) sõltuvalt sinu seadistusest.
- Kinnita, et sildid on õiged (päritud või ülesandepõhised) ja vajuta Loo.
Pikkade videote puhul kaalu tükeldamist või automaatse töö jagamise lubamist, et hoida iga töö annotaatorite jaoks hallatavana ja reageerimisvõimelisena.
Samm 3: Vali õige annotatsioonirežiim
CVAT toetab mitut annotatsioonitööriista:
- Piirdekastid: kiireim objektide tuvastamiseks.
- Hulknurgad/polüjooned: instantsi/semantilise segmenteerimise, teeridade, pragude jaoks.
- Kuubikud: 3D-laadsete perspektiivkastide jaoks 2D-piltidel.
- Punktid: võtmepunktid või maamärgid (poosid, näomaamärgid).
- Sildid: pilditaseme sildid (nt "päevavalgus").
Kiirklahvid kiirendavad asju oluliselt:
- Hoia all Shift/Alt, et piirata kujundeid (olenevalt tööriistast) ja haakida.
Nipp: Hoia sildiloend väike ja fookuses. Liiga paljud klassid aeglustavad annotaatoreid ja suurendavad veamäärasid.
Samm 4: Video annotatsioon – interpoleeri ja jälgi
Videote puhul ära märgi igat kaadrit. Selle asemel:
- Loo kast või hulknurk võtmekaadrile.
- Luba interpolatsioon/jälgimine: CVAT saab kujundeid edasi kanda, seejärel parandad vastavalt vajadusele uutel võtmekaadritel.
- Jaga või ühenda jälgi, kui objektid varjavad või ilmuvad uuesti.
- Märgi olekud nagu "väljas" või "varjatud", et hoida järjestused puhtad.
See vähendab oluliselt aega, säilitades samal ajal ajalist järjepidevust. Uuringud ja kogukonna parimad praktikad soovitavad ka interaktiivset/ise-annotatsiooni abi video sildistamise kiirendamiseks.
Samm 5: Kasuta automaatset annotatsiooni ja abistavaid tööriistu
CVAT toetab abistavat sildistamist, et tööd kiirendada. Sõltuvalt sinu juurutamisest saad:
- Kasuta sisseehitatud mudelipõhiseid funktsioone kastide/maskide soovitamiseks.
- Käivita serveripoolseid mudeleid kaadrite eelsildistamiseks, seejärel paranda.
- Rakenda interpolatsiooni lünkade täitmiseks.
Alusta väikese, kvaliteetse seemnekogumiga, treeni kiire mudel ja kasuta seda ülejäänud andmete eelsildistamiseks. Paranda ja treeni korduvalt.
Märkus: Spetsiifika sõltub sellest, millised mudelid on sinu keskkonnas lubatud. Ametlik dokumentatsioon ja kogukonna õpetused näitavad, kuidas mudeleid CVAT-iga ühendada ja automaatset annotatsiooni kasutajaliideses lubada.
Samm 6: Tee koostööd rollide ja ülevaatustega
CVAT on mitme kasutajaga. Tüüpilised rollid on:
- Administraator: haldab serverit ja kasutajaid
- Projektijuht: määratleb sildid, loob ülesandeid/töid, määrab annotaatoreid
- Annotaator: loob ja redigeerib silte
- Ülevaataja/QA: kontrollib tööd, taotleb parandusi
Määra selged juhised: näited õigetest/valedest annotatsioonidest, atribuutide määratlused ja äärmuslikud juhtumid (nt "sildi peegeldused?"). Kasuta ülevaatamistööriistu – kommentaarid, probleemide lipud ja olekumuutused – et kvaliteeti parandada.
Samm 7: Kvaliteedikontroll, mida saad usaldada
Mõned praktilised KK strateegiad:
- Kuldülesanded: sisesta mõned asjatundlikult sildistatud pildid, et võrrelda annotaatoreid.
- Kattuvus: määra sama töö kahele annotaatorile; võrdle IoU-d ja vastavust.
- Kohapealsed kontrollid: ülevaatajad auditeerivad protsendi igast tööst.
- Mõõdikud: jälgi klassipõhiseid segadusmustreid mudeli treenimise ajal, et juhiseid täpsustada.
Järjepidevus aja jooksul on olulisem kui ühekordsed täiuslikud sildid. Dokumenteeri otsused ja uuenda sildijuhendit, kui avastad äärmuslikke juhtumeid.
Samm 8: Salvesta, versiooneeri ja ekspordi
Salvesta sageli (CVAT ka automaatselt salvestab). Kui oled valmis:
- Ekspordivormingud: COCO, YOLO, Pascal VOC ja palju muud. Vali vorming, mida sinu treenimiskood ootab.
- Kaadrivahemikud: ekspordi konkreetsed segmendid või kogu ülesanne.
- Filtrid: ekspordi vajadusel ainult teatud silte või atribuute.
Värskete ekspordivalikute ja parameetrite kohta vaata ametlikku dokumentatsiooni. Installimise ja serveripildi üksikasjade kohta on dokumendid ja Docker Hubi lehed autoriteetsed viited.
Praktilised stsenaariumid ja näpunäited
Stsenaarium 1: Objektide tuvastamine jaemüügiriiulitel
- Sildid:
toode, hinnasilt, reklaamsilt.
- Kasuta kiirendamiseks kaste; lisa atribuute nagu
reklaam=jah/ei.
- Ekspordi YOLO-sse kergekaalulise treenimisprotsessi jaoks.
Stsenaarium 2: Teerea segmenteerimine
- Kasuta polüjooni või hulknurki.
- Interpoleeri üle kaadrite; paranda pööretel.
- Ekspordi COCO panoptilisse/segmenteerimisse sõltuvalt sinu raamistikust.
Stsenaarium 3: Ohutusvarustuse vastavus
- Jälgi
inimest, kiivrit, vesti videos.
- Kasuta jälgimist + atribuute (
kiiver=olemas/puudub).
- Vaata hoolikalt üle varjatud kohad sisenemis-/väljumiskohtades.
Profi näpunäited:
- Hoia ülesanded alla mõne tuhande pildi või jaga pikad videod, et kasutajaliides reageeriks.
- Normaliseeri pildi suurused või tihenda videoid, et tasakaalustada jõudlust ja selgust.
- Versiooneeri andmekogumeid – ekspordi selge sildiga (nt
v1.2.0) ja lukusta ülesanded, kui need on lõplikud.
Levinud probleemide tõrkeotsing
- Aeglane kasutajaliides suurte videote puhul: jaga lühemateks töödeks; vähenda eelvaate eraldusvõimet ja eellaadimise suurust.
- Annotatsiooni triiv jälgimisel: lisa võtmekaadreid sagedamini, eriti kiire liikumise või varjamise ajal.
- Segased sildid: refaktoreeri ontoloogia; vii spetsiifilised andmed atribuutidesse; paku visuaalseid näiteid.
- Ekspordi lahknevus: kontrolli üle oma sihttreenimisraamatukogu oodatavad väljad (nt YOLO klassi indeksi vastendus, COCO kategooria ID-d).
Integreerimine sinu ML protsessi
- Eeltöötlus: Muuda piltide suurust/normaliseeri need enne üleslaadimist, et annotatsiooni kiirendada.
- Automatiseerimine: Eelsildista kiire mudeliga, paranda CVAT-is, seejärel itereeri.
- CI andmete jaoks: Käsitle silte nagu koodi – versioonitud eksport, kontrollsummad ja muudatuste logid.
- Salvestus: Kasuta pilvemahuteid ja elutsükli poliitikaid suurte videokogumite jaoks.
Väärib märkimist: Kui kasutad tehisintellekti abilisi juhiste dokumenteerimiseks, silditaksonoomiate loomiseks või ülevaataja tagasiside kokkuvõtmiseks, aitab tööriist nagu Sider.AI luua selgeid juhiseid ja järjepidevaid ülevaatusnimekirju. Saad jäädvustada otsuseid, genereerida näiteid ja muuta need oma meeskonna jaoks jagatavateks käsiraamatuteks. Vaata lisateavet Sider.AI. 30-minutiline stardiplaan
- 5 minutit: Installi ja käivita CVAT lokaalselt.
- 5 minutit: Loo projekt 3–5 sildi ja 2 atribuudiga.
- 5 minutit: Loo ülesanne 100 pildiga.
- 10 minutit: Märgi 20 pilti kastide abil; õpi otseteid.
- 5 minutit: Ekspordi YOLO-sse ja käivita kiire treenimine.
Lõpuks on sul valmis kogu tsükkel töötlemata piltidest treenitava andmekogumini.
Kust rohkem teada saada
- CVAT-i põhitõed ja õpetused meeskonnalt.
- Installimise ja konfiguratsiooni üksikasjad.
- Serveri pildi ja konteineri viited.
- Uuringud interaktiivse/ise-annotatsiooni kohta video jaoks, et inspireerida kiiremaid töövooge.
Peamised järeldused
- Määratle kõigepealt oma sildid – skeemi kujundus hoiab ära hilisemad probleemid.
- Kasuta video jaoks interpolatsiooni ja jälgimist; võtmekaader targalt.
- Automaatne annotatsioon kiirendab tööd; inimeste ülevaatus tagab kvaliteedi.
- Ekspordi vormingus, mida sinu treenimiskood ootab; versiooneeri kõike.
- Alusta väikeselt, itereeri kiiresti ja skaleeri selgete juhistega.
KKK
K1: Mis on CVAT ja kuidas ma saan seda kasutada piltide annotatsiooniks?
CVAT on brauseripõhine sildistamisplatvorm piltide ja videote jaoks. Loo projekt, määratle sildid, laadi andmed üles ülesandena, lisa annotatsioone kastide või hulknurkadega ja ekspordi sellistes vormingutes nagu COCO või YOLO.
K2: Kuidas ma saan CVAT-i kiiresti installida?
Lihtsaim viis on kasutada Dockerit. Järgi ametlikke installimisetappe, et server lokaalselt käivitada, seejärel pääse seadistamiseks ja kasutaja loomiseks juurde veebi kasutajaliidesele.
K3: Kas CVAT saab automaatselt annotatsioone lisada või aidata videotes jälgimisega?
Jah, CVAT toetab interpolatsiooni ja jälgimist, et levitada annotatsioone kaadrite vahel, ning suudab integreerida mudeli abil sildistamist, et objekte eelsildistada ja ülevaatamist kiirendada.
K4: Milliseid ekspordivorminguid CVAT toetab?
Tavalised ekspordid on COCO, YOLO ja Pascal VOC. Vali vorming, mis vastab sinu treenimisraamistiku oodatavale skeemile ja klassi indeksi vastendusele.
K5: Kuidas ma saan CVAT-is meeskondi ja kvaliteedikontrolli hallata?
Loo projekte jagatud siltidega, jaga ülesanded töödeks, määra rollid (annotaatorid, ülevaatajad) ja kasuta ülevaatusi, kommentaare, kuldseid ülesandeid ja kattuvuskontrolle, et tagada järjepidev kvaliteet.
