Ako používať CVAT: Priateľský návod krok za krokom pre rýchle a presné anotácie
Ak ste sa niekedy pokúšali trénovať model počítačového videnia, pravdepodobne ste narazili na rovnakú prekážku ako všetci ostatní: dáta potrebujú skvelé štítky. CVAT (Computer Vision Annotation Tool) je jednou z najpopulárnejších platforiem na vytváranie vysokokvalitných anotácií obrázkov a videí – otvorená, výkonná a postavená na škálovanie od vedľajších projektov až po produkčné kanály. Tento návod vás prevedie inštaláciou, nastavením, pracovnými postupmi označovania, pomocníkmi automatizácie, kontrolou kvality a exportmi – takže môžete prejsť od nuly k čistým dátovým sadám bez chaosu.
Budeme sa držať praktickosti a priamosti, s príkladmi, skratkami a úskaliami, ktorým sa treba vyhnúť.
Čo je CVAT a prečo ho používať?
CVAT je webový nástroj na anotovanie obrázkov a videí. Podporuje detekciu objektov, segmentáciu, klasifikáciu a sledovanie. Môžete ho spustiť lokálne alebo na serveri, pozvať členov tímu, spravovať projekty/úlohy a exportovať štítky do bežných formátov (ako COCO, YOLO, VOC). Ak potrebujete opakovateľné, kolaboratívne a presné označovanie – CVAT to zabezpečí.
- Funguje cez prehliadač, funguje naprieč tímami
- Spracováva obrázky a dlhé videá s interpoláciou/sledovaním
- Flexibilná schéma štítkov a atribútov
- Viaceré exportné formáty pre populárne tréningové frameworky
Pre oficiálnu orientáciu je užitočným základom dokument „Začíname“ od tímu CVAT.
Rýchle nastavenie: Najrýchlejší spôsob, ako spustiť CVAT
Typická inštalačná cesta CVAT používa Docker. Združuje server, databázu a závislosti, aby ste mohli začať v priebehu niekoľkých minút.
- Docker a Docker Compose (alebo Docker Desktop)
- Odporúčané: moderný CPU, dostatok RAM (8–16 GB+ pre úlohy náročné na video)
- Stiahnite a spustite CVAT
- Naklonujte si repozitár CVAT a spustite skript compose, alebo použite priamo obrazy kontajnerov. Oficiálna dokumentácia poskytuje presné príkazy a premenné prostredia. Na Docker Hub je tiež publikovaný obraz servera.
- Po spustení kontajnerov otvorte svoj prehliadač (zvyčajne {http://localhost:8080}), vytvorte administrátora/používateľa a prihláste sa.
Tip: Ukladanie dát na pripojené zväzky zaisťuje, že vaše úlohy, projekty a anotácie pretrvajú aj po aktualizáciách.
CVAT Workflow v skratke
Uvažujte v troch vrstvách: Projekt → Úloha → Job.
- Projekt: Zbierka pre súvisiace úlohy (napr. „Detekcia regálov v obchode 2025“). Definuje globálne štítky.
- Úloha: Jedna jednotka označovania (napr. jedna dávka 1 000 obrázkov alebo 2-hodinové video).
- Job: Rozdelenie úlohy (napr. časti dlhého videa) priradené anotátorom.
Táto štruktúra vám umožňuje spravovať rozsiahle dátové sady, priraďovať prácu členom tímu a udržiavať konzistentné definície štítkov.
Krok 1: Vytvorenie projektu a štítkov (dizajn schémy)
Pred nahrávaním dát definujte svoju ontológiu – čo označujete a ako.
- Farebné kódovanie: zlepšuje vizuálnu prehľadnosť.
Osvedčené postupy:
- Používajte krátke, konzistentné a popisné názvy tried.
- Používajte atribúty pre metadáta, ktoré nevyžadujú kreslenie (napr. „is_crowd“).
- Vyhnite sa prekrývajúcim sa triedam, pokiaľ nie sú zámerne hierarchické (napr. ).
Štítky môžete definovať na úrovni projektu, aby ich všetky súvisiace úlohy zdedili.
Krok 2: Vytvorenie úlohy a nahranie dát
Z dashboardu:
- Nové → Úloha → Pomenujte svoju úlohu.
- Vyberte projekt (voliteľné, ale odporúčané).
- Nahrajte dáta: presuňte obrázky, nasmerujte na adresár alebo poskytnite odkazy na cloudové úložisko (napr. S3, Azure Blob) v závislosti od vášho nastavenia.
- Skontrolujte, či sú štítky správne (zdedené alebo špecifické pre úlohu) a kliknite na Vytvoriť.
Pre dlhé videá zvážte rozdelenie na časti alebo povolenie automatického rozdeľovania úloh, aby bola každá úloha pre anotátorov zvládnuteľná a responzívna.
Krok 3: Výber správneho režimu anotácie
CVAT podporuje viacero nástrojov na anotáciu:
- Ohraničujúce rámčeky: najrýchlejšie pre detekciu objektov.
- Polygóny/Polylines: pre inštančnú/sémantickú segmentáciu, cestné pruhy, praskliny.
- Cuboids: pre 3D-ish perspektívne rámčeky v 2D obrázkoch.
- Body: kľúčové body alebo orientačné body (pózy, tvárové orientačné body).
- Tagy: štítky na úrovni obrázka (napr. „denný čas“).
Klávesové skratky výrazne urýchľujú prácu:
- N: vytvorenie ďalšieho tvaru
- Podržte Shift/Alt pre obmedzené tvary (v závislosti od nástroja) a prichytávanie.
Tip: Udržujte zoznam štítkov malý a zameraný. Príliš veľa tried spomaľuje anotátorov a zvyšuje chybovosť.
Krok 4: Anotácia videa – Interpolácia a sledovanie
Pre videá neanotujte každý jeden snímok. Namiesto toho:
- Vytvorte rámček alebo polygón na kľúčovom snímku.
- Povoľte interpoláciu/sledovanie: CVAT môže šíriť tvary dopredu, potom ich podľa potreby opravíte na nových kľúčových snímkach.
- Rozdeľte alebo zlúčte stopy, keď sa objekty zakryjú alebo znova objavia.
- Označte stavy ako „vonku“ alebo „zakryté“, aby boli sekvencie čisté.
To výrazne skracuje čas a zároveň zachováva časovú konzistentnosť. Výskum a osvedčené postupy komunity tiež odporúčajú interaktívnu/samoanotačnú pomoc na urýchlenie označovania videa.
Krok 5: Použitie automatickej anotácie a asistovaných nástrojov
CVAT podporuje asistované označovanie na urýchlenie práce. V závislosti od vášho nasadenia môžete:
- Použiť vstavané funkcie asistované modelom na navrhovanie rámčekov/mask.
- Spúšťať modely na strane servera na predbežné označovanie snímok, potom ich opraviť.
- Použiť interpoláciu na vyplnenie medzier.
Začnite s malou, vysokokvalitnou sadou semien, natrénujte rýchly model a použite ho na predbežné označenie zostávajúcich dát. Opakovane opravujte a pretrénujte.
Poznámka: Špecifiká závisia od toho, ktoré modely povolíte vo svojom prostredí. Oficiálna dokumentácia a komunitné návody ukazujú, ako pripojiť modely do CVAT a povoliť automatickú anotáciu v UI.
Krok 6: Spolupráca s rolami a kontrolami
CVAT je multi-používateľský. Typické roly zahŕňajú:
- Admin: spravuje server a používateľov
- Projektový manažér: definuje štítky, vytvára úlohy/joby, priraďuje anotátorov
- Anotátor: vytvára a upravuje štítky
- Recenzent/QA: kontroluje prácu, žiada opravy
Stanovte jasné pokyny: príklady správnych/nesprávnych anotácií, definície atribútov a okrajové prípady (napr. „označiť odrazy?“). Používajte nástroje na kontrolu – komentáre, príznaky problémov a zmeny stavu – na sprísnenie kvality.
Krok 7: Kontrola kvality, ktorej môžete veriť
Niekoľko praktických stratégií QC:
- Zlaté úlohy: vložte niekoľko odborne označených obrázkov na porovnanie anotátorov.
- Prekrývanie: priraďte rovnakú úlohu dvom anotátorom; porovnajte IoU a zhodu.
- Náhodné kontroly: recenzenti kontrolujú percento každej úlohy.
- Metriky: sledujte vzory nejasností pre jednotlivé triedy počas trénovania modelu na spresnenie pokynov.
Konzistencia v priebehu času je dôležitejšia ako jednorazové dokonalé štítky. Dokumentujte rozhodnutia a aktualizujte príručku štítkov, keď objavíte okrajové prípady.
Krok 8: Uloženie, verzia a export
Ukladajte často (CVAT tiež automaticky ukladá). Keď ste pripravení:
- Exportné formáty: COCO, YOLO, Pascal VOC a ďalšie. Vyberte formát, ktorý očakáva váš tréningový kód.
- Rozsahy snímok: exportujte špecifické segmenty alebo celú úlohu.
- Filtre: exportujte iba určité štítky alebo atribúty, ak je to potrebné.
Pre aktuálne možnosti exportu a parametre si pozrite oficiálnu dokumentáciu. Pre inštaláciu a podrobnosti o obraze servera sú smerodajné referencie dokumentácia a stránky Docker Hub.
Praktické scenáre a tipy
Scenár 1: Detekcia objektov na regáloch v obchode
- Použite rámčeky pre rýchlosť; pridajte atribúty ako .
- Exportujte do YOLO pre odľahčený tréningový kanál.
Scenár 2: Segmentácia cestných pruhov
- Použite polylines alebo polygóny.
- Interpolujte naprieč snímkami; opravujte v zákrutách.
- Exportujte do COCO panoptic/segmentation v závislosti od vášho frameworku.
Scenár 3: Dodržiavanie predpisov o bezpečnostných pomôckach
- Sledujte , , naprieč videom.
- Použite sledovanie + atribúty ().
- Starostlivo skontrolujte zakrytia v vstupných/výstupných bodoch.
Profesionálne tipy:
- Udržujte úlohy pod niekoľko tisíc obrázkov alebo rozdeľte dlhé videá, aby UI zostalo responzívne.
- Normalizujte veľkosti obrázkov alebo komprimujte videá, aby ste vyvážili výkon a prehľadnosť.
- Verzionujte dátové sady – exportujte s jasným tagom (napr. ) a uzamknite úlohy po dokončení.
Riešenie bežných problémov
- Pomalé UI na veľkých videách: rozdeľte na kratšie joby; znížte rozlíšenie náhľadu a veľkosť pre načítanie.
- Posun anotácie pri sledovaní: pridávajte kľúčové snímky častejšie, najmä počas rýchleho pohybu alebo zakrytia.
- Mätúce štítky: refaktorujte ontológiu; presuňte špecifiká do atribútov; poskytnite vizuálne príklady.
- Nesúlad exportu: skontrolujte očakávané polia vašej cieľovej tréningovej knižnice (napr. mapovanie indexu triedy YOLO, ID kategórií COCO).
Integrácia do vášho ML Pipeline
- Predspracovanie: Zmeňte veľkosť/normalizujte obrázky pred nahrávaním na urýchlenie anotácie.
- Automatizácia: Predbežne označte pomocou rýchleho modelu, opravte v CVAT a potom opakujte.
- CI pre dáta: Správajte sa k štítkom ako ku kódu – verzionované exporty, kontrolné súčty a protokoly zmien.
- Úložisko: Používajte cloudové buckety a zásady životného cyklu pre rozsiahle video dátové sady.
Stojí za zmienku: Ak používate AI asistentov na dokumentovanie pokynov, generovanie taxonómií štítkov alebo sumarizáciu spätnej väzby od recenzentov, nástroj ako vám môže pomôcť vytvoriť jasné pokyny a konzistentné kontrolné zoznamy recenzií. Môžete zachytiť rozhodnutia, generovať príklady a premeniť ich na zdieľateľné príručky pre váš tím. Viac informácií nájdete na .
30-minútový štartovací plán
- 5 minút: Inštalácia a spustenie CVAT lokálne.
- 5 minút: Vytvorenie projektu s 3–5 štítkami a 2 atribútmi.
- 5 minút: Vytvorenie úlohy so 100 obrázkami.
- 10 minút: Anotujte 20 obrázkov pomocou rámčekov; naučte sa skratky.
- 5 minút: Export do YOLO a spustenie rýchleho tréningového prechodu.
Na konci budete mať kompletný cyklus od surových obrázkov po trénovateľnú dátovú sadu.
Kde sa dozvedieť viac
- Základy CVAT a návody od tímu.
- Podrobnosti o inštalácii a konfigurácii.
- Obraz servera a referencie kontajnerov.
- Výskum o interaktívnej/samoanotácii pre video na inšpiráciu rýchlejších pracovných postupov.
Kľúčové poznatky
- Najprv definujte svoje štítky – návrh schémy zabraňuje problémom v ďalšom spracovaní.
- Používajte interpoláciu a sledovanie pre video; inteligentne používajte kľúčové snímky.
- Automatická anotácia urýchľuje prácu; ľudská kontrola zaisťuje kvalitu.
- Exportujte vo formáte, ktorý očakáva váš tréningový kód; verzionujte všetko.
- Začnite v malom, rýchlo iterujte a škálujte s jasnými pokynmi.
FAQ
