目录

        0. CVAT链接

        1. 标注图(以旋转框为例)导出可视化效果

        2. docker-容器安装cvat

        3. cvat标注教程

                3.1 支持的类型

                3.2 标注流程

        4. 类似paddle-OCR文本检测-文本识别 标注流程

0. CVAT链接

cvat：https://github.com/openvinotoolkit/cvat

1. 标注图(以旋转框为例)导出可视化效果

 
                '''
                基于coco格式进行可视化
                按照segmentation的点进行可视化，按照bbox的点进行可视化
                前者为分割，后者为最小水平框，若求最小外接矩形，采用cv2即可
                并且可以知道标注顺序
                ===========================================
                注意：
                CVAT最新版本有些bug，对于yolo格式目标检测没有问题，但是旋转目标检测
                需要导入or导入按照cvat images1.*格式！！！
                ===========================================
                '''

 

2. docker-容器安装cvat

TODO

3. cvat标注教程
3.1 支持的类型

【1】图像分类-多属性；【2】2D-3D目标检测；【3】语义分割-实例分割；【4】旋转目标检测；【5】文字检测+文字识别

3.2 标注流程

假设你并不熟悉cvat的标注流程，这里以图像2D目标检测为例

标注快捷键：N-自动画框-再按1次结束，DF前后移动1张，双击1：1，。。。

【1】测试步骤：不管你有无预标注，先创建1个project，并且按照图像的1-2-3-4-5等步骤创建；

【2】测试步骤：在创建task前，将2-3张图像压缩成1个zip文件，然后创建task，6-7-8-9，其中步骤9为每个间隔包含多少张图像，上传完成

【3】测试步骤：以2D目标检测为例，选择水平矩形框标注，然后保存，再按照以yolo的格式导出，那么就可以知道cvat支持的标注格式要求，你按照对应格式准备数据即可！按照11-12步骤导出即可

【4】测试步骤：若你有预标注，则参考对应格式准备即可，然后上传后，再执行1次13步骤，预标注需要2次上传，都是1个zip即可(图像+标注文件)

以上步骤你懂了，其它的，步骤类似；

4. 类似paddle-OCR文本检测-文本识别 标注流程

https://github.com/openvinotoolkit/cvat/blob/develop/cvat/apps/documentation/user_guide.md

————————————————
版权声明：本文为CSDN博主「LEILEI18A」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/LEILEI18A/article/details/113385510