CVAT平台部署与半自动标注环境实战指南

1. 环境准备：从零开始的起点

大家好，我是老张，在AI和计算机视觉领域摸爬滚打了十来年，经手过不少数据标注项目。今天想和大家聊聊一个非常实用的工具——CVAT。简单来说，CVAT是一个功能强大的开源计算机视觉标注工具，它不仅能处理图像，还能搞定视频，最关键的是，它支持集成各种AI模型来实现“半自动标注”。想象一下，以前需要你手动一个个去框的物体，现在模型能帮你先预标出来，你只需要微调一下，效率直接翻倍。这篇文章，就是带你从零开始，在自己的Ubuntu工作站或服务器上，亲手搭建一套带半自动标注功能的CVAT平台，无论是用CPU还是GPU加速，我都会把每一步掰开揉碎了讲清楚，包括我踩过的那些坑。

首先，我们得把“地基”打好。根据我的经验，CVAT对系统版本有一定要求。官方推荐使用Ubuntu 18.04或更高版本，像16.04这样的老系统可能会遇到各种依赖库不兼容的问题，所以如果你的系统版本较低，建议先升级。我这次演示的环境是Ubuntu 20.04 LTS，显卡是一张RTX 2080 Ti，但别担心，没有显卡用纯CPU也完全没问题，只是后续运行一些大模型时会慢一些。在开始之前，请确保你的系统已经更新到最新状态，打开终端，输入 sudo apt update && sudo apt upgrade -y 来更新软件包列表和系统。这个习惯很好，能避免很多因软件包版本过旧导致的奇怪错误。

接下来是整个部署流程的核心——Docker。CVAT的所有服务，包括Web前端、后端、数据库等，都是通过Docker容器来运行的。这带来了极大的便利，我们不需要在宿主机上复杂地配置Python环境、Node.js环境，一切都封装在容器里。所以，第一步就是安装Docker Engine和Docker Compose插件。这里有个细节需要注意，Docker的版本最好在19.03以上，因为我们需要用到Docker Compose的插件版本（docker compose），而不是旧版的独立工具（docker-compose）。下面是我验证过的安装命令，你可以一条条跟着执行。

# 更新apt索引并安装必要的工具
sudo apt-get update
sudo apt-get install -y \
    apt-transport-https \
    ca-certificates \
    curl \
    gnupg-agent \
    software-properties-common

# 添加Docker的官方GPG密钥和软件源
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository \
   "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
   $(lsb_release -cs) \
   stable"

# 再次更新并安装Docker引擎及Compose插件
sudo apt-get update
sudo apt-get install -y \
    docker-ce \
    docker-ce-cli \
    containerd.io \
    docker-compose-plugin

安装完成后，为了后续操作不用每次都加 sudo，我们需要把当前用户加入到 docker 用户组。执行 sudo groupadd docker（如果组已存在会提示，没关系），然后执行 sudo usermod -aG docker $USER。非常重要的一点：执行完这个命令后，你需要完全退出当前终端会话，并重新登录，或者重启系统，这个组权限变更才会生效。你可以通过运行 docker run hello-world 来测试Docker是否安装成功且无需sudo。

2. 核心部署：拉起CVAT主服务

基础环境搞定后，我们就可以正式部署CVAT了。整个过程就像搭积木，Docker Compose会帮我们把所有需要的“积木”（容器）按图纸组合起来。首先，我们需要获取CVAT的源代码，这里我强烈建议从官方GitHub仓库克隆，以确保获得最新且稳定的版本。打开终端，执行：

git clone https://github.com/opencv/cvat
cd cvat

进入 cvat 目