CVAT का उपयोग कैसे करें: तेज़, सटीक एनोटेशन के लिए एक मैत्रीपूर्ण, चरण-दर-चरण मार्गदर्शिका
यदि आपने कभी कंप्यूटर विज़न मॉडल को प्रशिक्षित करने की कोशिश की है, तो आपने शायद उसी दीवार का सामना किया होगा जिसका सामना हर कोई करता है: डेटा को बेहतरीन लेबल की आवश्यकता होती है। CVAT (कंप्यूटर विज़न एनोटेशन टूल) उच्च-गुणवत्ता वाले छवि और वीडियो एनोटेशन बनाने के लिए सबसे लोकप्रिय प्लेटफार्मों में से एक है - खुला, शक्तिशाली और साइड प्रोजेक्ट से लेकर उत्पादन पाइपलाइनों तक स्केल करने के लिए निर्मित। यह कैसे-करें मार्गदर्शिका आपको इंस्टॉलेशन, सेटअप, लेबलिंग वर्कफ़्लो, स्वचालन सहायक, गुणवत्ता नियंत्रण और निर्यात के बारे में बताती है - ताकि आप बिना किसी अराजकता के शून्य से स्वच्छ डेटासेट तक जा सकें।
हम इसे व्यावहारिक और सीधा रखेंगे, उदाहरणों, शॉर्टकट और बचने के लिए कमियों के साथ।
CVAT क्या है और इसका उपयोग क्यों करें?
CVAT छवियों और वीडियो को एनोटेट करने के लिए एक वेब-आधारित टूल है। यह ऑब्जेक्ट डिटेक्शन, सेगमेंटेशन, क्लासिफिकेशन और ट्रैकिंग का समर्थन करता है। आप इसे स्थानीय रूप से या सर्वर पर चला सकते हैं, टीम के सदस्यों को आमंत्रित कर सकते हैं, प्रोजेक्ट/कार्यों का प्रबंधन कर सकते हैं और लेबल को सामान्य प्रारूपों (जैसे COCO, YOLO, VOC) में निर्यात कर सकते हैं। यदि आपको दोहराए जाने योग्य, सहयोगी और सटीक लेबलिंग की आवश्यकता है - तो CVAT प्रदान करता है।
- ब्राउज़र-आधारित, टीमों में काम करता है
- इंटरपोलेशन/ट्रैकिंग के साथ छवियों और लंबे वीडियो को संभालता है
- लचीला लेबल स्कीमा और विशेषताएँ
- लोकप्रिय प्रशिक्षण ढांचों के लिए एकाधिक निर्यात प्रारूप
एक आधिकारिक अभिविन्यास के लिए, CVAT टीम का "शुरुआत करना" एक सहायक प्राइमर है।
त्वरित सेटअप: CVAT चलाने का सबसे तेज़ तरीका
CVAT का विशिष्ट इंस्टॉलेशन पथ डॉकर का उपयोग करता है। यह सर्वर, डेटाबेस और निर्भरताओं को बंडल करता है ताकि आप मिनटों में शुरू कर सकें।
- आवश्यक शर्तें स्थापित करें
- Docker और Docker Compose (या Docker Desktop)
- अनुशंसित: आधुनिक CPU, पर्याप्त RAM (वीडियो-भारी कार्यों के लिए 8-16GB+)
- CVAT रिपॉजिटरी को क्लोन करें और कंपोज़ स्क्रिप्ट चलाएं, या सीधे कंटेनर छवियों का उपयोग करें। आधिकारिक दस्तावेज़ सटीक कमांड और पर्यावरण चर प्रदान करते हैं। Docker Hub पर एक प्रकाशित सर्वर छवि भी है।
- एक बार कंटेनर चल रहे हों, तो अपना ब्राउज़र खोलें (आमतौर पर ), एक व्यवस्थापक/उपयोगकर्ता बनाएँ, और साइन इन करें।
टिप: माउंटेड वॉल्यूम पर डेटा संग्रहीत करना सुनिश्चित करता है कि आपके कार्य, प्रोजेक्ट और एनोटेशन अपडेट में बने रहें।
एक नज़र में CVAT वर्कफ़्लो
तीन परतों में सोचें: प्रोजेक्ट → कार्य → नौकरी।
- प्रोजेक्ट: संबंधित कार्यों का एक संग्रह (उदाहरण के लिए, "रिटेल शेल्फ डिटेक्शन 2025")। वैश्विक लेबल को परिभाषित करता है।
- कार्य: एक एकल लेबलिंग इकाई (उदाहरण के लिए, 1,000 छवियों का एक बैच या 2 घंटे का वीडियो)।
- नौकरी: एक कार्य का विभाजन (उदाहरण के लिए, लंबे वीडियो के स्लाइस) एनोटेटर्स को सौंपा गया।
यह संरचना आपको बड़े डेटासेट का प्रबंधन करने, टीम के सदस्यों को काम सौंपने और लेबल परिभाषाओं को सुसंगत रखने की अनुमति देती है।
चरण 1: एक प्रोजेक्ट और लेबल बनाएँ (स्कीमा डिज़ाइन)
डेटा अपलोड करने से पहले, अपनी ऑन्टोलॉजी को परिभाषित करें - आप क्या लेबल कर रहे हैं और कैसे।
- क्लास: उदाहरण के लिए,
व्यक्ति, कार, हेलमेट, दरार।
- विशेषताएँ: उदाहरण के लिए,
अवरुद्ध: हाँ/नहीं, मौसम: धूप/बारिश, क्षति_गंभीरता: 1-5।
- रंग कोडिंग: दृश्य स्पष्टता में सुधार करता है।
सर्वोत्तम अभ्यास:
- क्लास नामों को छोटा, सुसंगत और वर्णनात्मक रखें।
- मेटाडेटा के लिए विशेषताओं का उपयोग करें जिसके लिए ड्राइंग की आवश्यकता नहीं होती है (उदाहरण के लिए, "क्या_भीड़")।
- ओवरलैपिंग क्लास से बचें जब तक कि जानबूझकर पदानुक्रमित न हो (उदाहरण के लिए,
वाहन > कार/बस/ट्रक)।
आप प्रोजेक्ट स्तर पर लेबल को परिभाषित कर सकते हैं ताकि सभी संबंधित कार्य उन्हें विरासत में प्राप्त करें।
चरण 2: एक कार्य बनाएँ और डेटा अपलोड करें
डैशबोर्ड से:
- नया → कार्य → अपने कार्य को नाम दें।
- प्रोजेक्ट का चयन करें (वैकल्पिक लेकिन अनुशंसित)।
- डेटा अपलोड करें: छवियों को खींचें और छोड़ें, एक निर्देशिका की ओर इशारा करें, या अपने सेटअप के आधार पर क्लाउड स्टोरेज लिंक (जैसे, S3, Azure Blob) प्रदान करें।
- पुष्टि करें कि लेबल सही हैं (विरासत में मिले या कार्य-विशिष्ट) और बनाएँ पर हिट करें।
लंबे वीडियो के लिए, प्रत्येक कार्य को प्रबंधनीय और एनोटेटर्स के लिए उत्तरदायी रखने के लिए चंकिंग या स्वचालित नौकरी विभाजन को सक्षम करने पर विचार करें।
चरण 3: सही एनोटेशन मोड चुनें
CVAT कई एनोटेशन टूल का समर्थन करता है:
- बाउंडिंग बॉक्स: ऑब्जेक्ट डिटेक्शन के लिए सबसे तेज़।
- पॉलीगॉन/पॉलीलाइन: उदाहरण/सिमेंटिक सेगमेंटेशन, सड़क लेन, दरार के लिए।
- क्यूबॉइड: 2D छवियों में 3D-ish परिप्रेक्ष्य बॉक्स के लिए।
- पॉइंट: कीपॉइंट या लैंडमार्क (पोज़, फेशियल लैंडमार्क)।
- टैग: छवि-स्तर के लेबल (उदाहरण के लिए, "दिन का समय")।
कीबोर्ड शॉर्टकट चीजों को नाटकीय रूप से तेज करते हैं:
- बाधित आकार (टूल के आधार पर) और स्नैपिंग के लिए Shift/Alt दबाए रखें।
टिप: लेबल सूची को छोटा और केंद्रित रखें। बहुत अधिक क्लास एनोटेटर्स को धीमा कर देते हैं और त्रुटि दरों को बढ़ा देते हैं।
चरण 4: वीडियो एनोटेशन - इंटरपोलेट और ट्रैक
वीडियो के लिए, प्रत्येक फ्रेम को एनोटेट न करें। इसके बजाय:
- एक कीफ्रेम पर एक बॉक्स या पॉलीगॉन बनाएँ।
- इंटरपोलेशन/ट्रैकिंग सक्षम करें: CVAT आकृतियों को आगे बढ़ा सकता है, फिर आप आवश्यकतानुसार नए कीफ्रेम पर सही करते हैं।
- जब वस्तुएँ अवरुद्ध हों या फिर से प्रकट हों तो ट्रैक को विभाजित या मर्ज करें।
- अनुक्रमों को साफ रखने के लिए "बाहर" या "अवरुद्ध" जैसी स्थितियों को चिह्नित करें।
यह अस्थायी स्थिरता बनाए रखते हुए समय को काफी कम कर देता है। अनुसंधान और समुदाय के सर्वोत्तम अभ्यास वीडियो लेबलिंग को गति देने के लिए इंटरैक्टिव/स्व-एनोटेशन सहायता की भी सिफारिश करते हैं।
चरण 5: ऑटो-एनोटेशन और असिस्टेड टूल का उपयोग करें
CVAT काम को गति देने के लिए असिस्टेड लेबलिंग का समर्थन करता है। आपके परिनियोजन के आधार पर, आप:
- बॉक्स/मास्क प्रस्तावित करने के लिए अंतर्निहित मॉडल-असिस्टेड सुविधाओं का उपयोग करें।
- फ्रेम को पहले से लेबल करने के लिए सर्वर-साइड मॉडल चलाएं, फिर सही करें।
- अंतराल को भरने के लिए इंटरपोलेशन लागू करें।
एक छोटे, उच्च-गुणवत्ता वाले बीज सेट से शुरू करें, एक त्वरित मॉडल को प्रशिक्षित करें, और इसका उपयोग शेष डेटा को पहले से लेबल करने के लिए करें। बार-बार सही करें और फिर से प्रशिक्षित करें।
नोट: विशिष्टताएँ इस बात पर निर्भर करती हैं कि आप अपने वातावरण में कौन से मॉडल सक्षम करते हैं। आधिकारिक दस्तावेज़ और सामुदायिक ट्यूटोरियल दिखाते हैं कि CVAT में मॉडल को कैसे जोड़ा जाए और UI में ऑटो-एनोटेशन को कैसे सक्षम किया जाए।
चरण 6: भूमिकाओं और समीक्षाओं के साथ सहयोग करें
CVAT बहु-उपयोगकर्ता है। विशिष्ट भूमिकाओं में शामिल हैं:
- व्यवस्थापक: सर्वर और उपयोगकर्ताओं का प्रबंधन करता है
- प्रोजेक्ट मैनेजर: लेबल को परिभाषित करता है, कार्य/नौकरियां बनाता है, एनोटेटर्स को असाइन करता है
- एनोटेटर: लेबल बनाता और संपादित करता है
- समीक्षक/QA: काम की जाँच करता है, सुधारों का अनुरोध करता है
स्पष्ट दिशानिर्देश निर्धारित करें: सही/गलत एनोटेशन के उदाहरण, विशेषता परिभाषाएँ और चरम मामले (उदाहरण के लिए, "क्या लेबल रिफ्लेक्शन?")। गुणवत्ता को कसने के लिए समीक्षा टूल-टिप्पणियों, मुद्दा झंडे और स्थिति परिवर्तनों का उपयोग करें।
चरण 7: गुणवत्ता नियंत्रण जिस पर आप भरोसा कर सकते हैं
कुछ व्यावहारिक QC रणनीतियाँ:
- गोल्ड कार्य: एनोटेटर्स को बेंचमार्क करने के लिए कुछ विशेषज्ञ रूप से लेबल वाली छवियों को सम्मिलित करें।
- अतिव्याप्ति: एक ही नौकरी को दो एनोटेटर्स को असाइन करें; IoU और समझौते की तुलना करें।
- स्पॉट चेक: समीक्षक प्रत्येक नौकरी के एक प्रतिशत का ऑडिट करते हैं।
- मेट्रिक्स: दिशानिर्देशों को परिष्कृत करने के लिए मॉडल प्रशिक्षण के दौरान प्रति-क्लास भ्रम पैटर्न को ट्रैक करें।
समय के साथ स्थिरता एक बार के सही लेबल से अधिक महत्वपूर्ण है। निर्णयों का दस्तावेजीकरण करें और किनारे के मामलों की खोज करते ही लेबल गाइड को अपडेट करें।
चरण 8: सहेजें, संस्करण और निर्यात करें
बार-बार सहेजें (CVAT ऑटोसेव भी करता है)। जब आप तैयार हों:
- निर्यात प्रारूप: COCO, YOLO, Pascal VOC, और बहुत कुछ। वह प्रारूप चुनें जिसकी आपकी प्रशिक्षण कोड अपेक्षा करता है।
- फ्रेम रेंज: विशिष्ट सेगमेंट या पूरे कार्य को निर्यात करें।
- फ़िल्टर: यदि आवश्यक हो तो केवल कुछ लेबल या विशेषताओं का निर्यात करें।
अद्यतित निर्यात विकल्पों और मापदंडों के लिए आधिकारिक दस्तावेज़ देखें। स्थापना और सर्वर छवि विवरण के लिए, दस्तावेज़ और Docker Hub पृष्ठ आधिकारिक संदर्भ हैं।
व्यावहारिक परिदृश्य और युक्तियाँ
परिदृश्य 1: खुदरा अलमारियों पर वस्तु का पता लगाना
- लेबल:
उत्पाद, मूल्य_टैग, प्रचार_चिह्न।
- गति के लिए बक्सों का उपयोग करें;
प्रोमो=हाँ/नहीं जैसी विशेषताएँ जोड़ें।
- एक हल्के प्रशिक्षण पाइपलाइन के लिए YOLO में निर्यात करें।
परिदृश्य 2: सड़क लेन विभाजन
- पॉलीलाइन या पॉलीगॉन का उपयोग करें।
- फ्रेम में इंटरपोलेट करें; घुमावों पर सही करें।
- अपने ढांचे के आधार पर COCO पैनोप्टिक/सेगमेंटेशन में निर्यात करें।
परिदृश्य 3: सुरक्षा गियर अनुपालन
- वीडियो में
व्यक्ति, हेलमेट, वेस्ट को ट्रैक करें।
- ट्रैकिंग + विशेषताओं का उपयोग करें (
हेलमेट=मौजूद/अनुपस्थित)।
- प्रवेश/निकास बिंदुओं पर रुकावटों की सावधानीपूर्वक समीक्षा करें।
प्रो टिप्स:
- UI को उत्तरदायी रखने के लिए कार्यों को कुछ हजार छवियों के अंदर रखें या लंबे वीडियो को विभाजित करें।
- प्रदर्शन और स्पष्टता को संतुलित करने के लिए छवि आकारों को सामान्य करें या वीडियो को संपीड़ित करें।
- डेटासेट को संस्करण दें-एक स्पष्ट टैग (उदाहरण के लिए,
v1.2.0) के साथ निर्यात करें और अंतिम रूप दिए जाने के बाद कार्यों को लॉक करें।
आम बाधाओं का निवारण
- बड़े वीडियो पर लैगी UI: छोटी नौकरियों में विभाजित करें; पूर्वावलोकन रिज़ॉल्यूशन और प्रीफ़ेच आकार को कम करें।
- ट्रैकिंग में एनोटेशन बहाव: अधिक बार कीफ्रेम जोड़ें, खासकर तेज़ गति या रुकावटों के दौरान।
- भ्रमित करने वाले लेबल: ऑन्टोलॉजी को रिफैक्टर करें; विशिष्टताओं को विशेषताओं में ले जाएँ; दृश्य उदाहरण प्रदान करें।
- निर्यात बेमेल: अपने लक्षित प्रशिक्षण पुस्तकालय के अपेक्षित फ़ील्ड को दो बार जांचें (उदाहरण के लिए, YOLO क्लास इंडेक्स मैपिंग, COCO श्रेणी ID)।
अपने ML पाइपलाइन में एकीकृत करना
- प्रीप्रोसेसिंग: एनोटेशन को गति देने के लिए अपलोड करने से पहले छवियों का आकार बदलें/सामान्य करें।
- स्वचालन: एक त्वरित मॉडल के साथ पूर्व-लेबल करें, CVAT में सही करें, फिर पुनरावृति करें।
- डेटा के लिए CI: कोड-संस्करणित निर्यात, चेकसम और चेंजलॉग जैसे लेबल का इलाज करें।
- भंडारण: बड़े वीडियो डेटासेट के लिए क्लाउड बकेट और जीवनचक्र नीतियों का उपयोग करें।
ध्यान देने योग्य: यदि आप दिशानिर्देशों का दस्तावेजीकरण करने, लेबल वर्गीकरण उत्पन्न करने या समीक्षक प्रतिक्रिया को सारांशित करने के लिए AI सहायकों का उपयोग करते हैं, तो Sider.AI जैसा टूल आपको स्पष्ट निर्देश और सुसंगत समीक्षा चेकलिस्ट बनाने में मदद कर सकता है। आप निर्णय ले सकते हैं, उदाहरण उत्पन्न कर सकते हैं और उन्हें अपनी टीम के लिए साझा करने योग्य प्लेबुक में बदल सकते हैं। अधिक जानकारी के लिए Sider.AI देखें। 30 मिनट की शुरुआती योजना
- 5 मिनट: CVAT को स्थानीय रूप से स्थापित और लॉन्च करें।
- 5 मिनट: 3-5 लेबल और 2 विशेषताओं के साथ एक प्रोजेक्ट बनाएँ।
- 5 मिनट: 100 छवियों के साथ एक कार्य बनाएँ।
- 10 मिनट: बक्सों का उपयोग करके 20 छवियों को एनोटेट करें; शॉर्टकट सीखें।
- 5 मिनट: YOLO में निर्यात करें और एक त्वरित प्रशिक्षण पास चलाएं।
अंत तक, आपके पास कच्ची छवियों से लेकर प्रशिक्षित करने योग्य डेटासेट तक एक पूरा लूप होगा।
अधिक जानने के लिए कहाँ जाएँ
- टीम से CVAT मूल बातें और ट्यूटोरियल।
- स्थापना और कॉन्फ़िगरेशन विवरण।
- सर्वर छवि और कंटेनर संदर्भ।
- तेज़ वर्कफ़्लो को प्रेरित करने के लिए वीडियो के लिए इंटरैक्टिव/स्व-एनोटेशन पर शोध।
मुख्य बातें
- पहले अपने लेबल को परिभाषित करें-स्कीमा डिज़ाइन डाउनस्ट्रीम दर्द को रोकता है।
- वीडियो के लिए इंटरपोलेशन और ट्रैकिंग का उपयोग करें; बुद्धिमानी से कीफ्रेम करें।
- ऑटो-एनोटेशन काम को गति देता है; मानव समीक्षा गुणवत्ता सुनिश्चित करती है।
- उस प्रारूप में निर्यात करें जिसकी आपका प्रशिक्षण कोड अपेक्षा करता है; हर चीज का संस्करण बनाएँ।
- छोटे से शुरू करें, तेजी से पुनरावृति करें, और स्पष्ट दिशानिर्देशों के साथ स्केल करें।
FAQ
Q1: CVAT क्या है और मैं इसका उपयोग छवि एनोटेशन के लिए कैसे करूँ?
CVAT छवियों और वीडियो के लिए एक ब्राउज़र-आधारित लेबलिंग प्लेटफ़ॉर्म है। एक प्रोजेक्ट बनाएँ, लेबल परिभाषित करें, डेटा को एक कार्य के रूप में अपलोड करें, बॉक्स या पॉलीगॉन के साथ एनोटेट करें, और COCO या YOLO जैसे प्रारूपों में निर्यात करें।
Q2: मैं CVAT को जल्दी से कैसे स्थापित करूँ?
सबसे आसान तरीका Docker का उपयोग करना है। सर्वर को स्थानीय रूप से शुरू करने के लिए आधिकारिक इंस्टॉलेशन चरणों का पालन करें, फिर सेटअप और उपयोगकर्ता निर्माण के लिए अपने ब्राउज़र में वेब UI तक पहुँचें।
Q3: क्या CVAT वीडियो में ऑटो-एनोटेट या ट्रैकिंग में मदद कर सकता है?
हाँ, CVAT फ्रेम में एनोटेशन को प्रचारित करने के लिए इंटरपोलेशन और ट्रैकिंग का समर्थन करता है, और वस्तुओं को पहले से लेबल करने और समीक्षा को गति देने के लिए मॉडल-असिस्टेड लेबलिंग को एकीकृत कर सकता है।
Q4: CVAT कौन से निर्यात प्रारूपों का समर्थन करता है?
सामान्य निर्यातों में COCO, YOLO और Pascal VOC शामिल हैं। उस प्रारूप को चुनें जो आपके प्रशिक्षण ढांचे के अपेक्षित स्कीमा और क्लास इंडेक्स मैपिंग से मेल खाता हो।
Q5: मैं CVAT में टीमों और गुणवत्ता नियंत्रण का प्रबंधन कैसे करूँ?
साझा लेबल के साथ प्रोजेक्ट बनाएँ, कार्यों को नौकरियों में विभाजित करें, भूमिकाएँ (एनोटेटर, समीक्षक) असाइन करें, और सुसंगत गुणवत्ता सुनिश्चित करने के लिए समीक्षाओं, टिप्पणियों, स्वर्ण कार्यों और ओवरलैप चेक का उपयोग करें।
