---
title: "Установка и настройка CVAT для разметки данных"
description: "В этой статье мы подробно рассмотрим, как установить и настроить CVAT для эффективной работы и разметке данных."
url: "https://data-light.ru/blog/cvat-nastroyka-ustanovka/"
date_modified: "2024-11-28T14:28:28+03:00"
language: "ru-RU"
---
Computer Vision Annotation Tool (CVAT) — это мощный инструмент с открытым исходным кодом, разработанный для упрощения процесса разметки изображений и видео. В этой статье мы подробно рассмотрим, как установить и настроить CVAT для эффективной работы.

Полный гайд по работе в CVAT [читайте в этой статье.](https://data-light.ru/blog/cvat-samyj-polnyj-gajd-po-razmetke/)

## Требования к системе

Прежде чем приступить к установке, убедитесь, что ваша система соответствует следующим требованиям:

- **Операционная система**: Linux (предпочтительно Ubuntu 18.04 или выше), macOS или Windows 10/11.
- **Аппаратные ресурсы**:
    - Процессор: многоядерный CPU.
    - Оперативная память: минимум 8 ГБ (рекомендуется 16 ГБ и более).
    - Свободное место на диске: минимум 50 ГБ.
- **Программное обеспечение**:
    - **Docker**: версия 20.10 и выше.
    - **Docker Compose**: версия 1.29 и выше.
    - **Git**: для клонирования репозитория CVAT.

Полная инструкция по установке CVAT для разных ОС и настройке есть также на [официальном сайте cvat.ai](https://docs.cvat.ai/docs/administration/basics/installation/).

## Установка Docker и Docker Compose

### Установка Docker

**На Ubuntu:**

```
sudo apt update
sudo apt install -y \
    apt-transport-https \
    ca-certificates \
    curl \
    gnupg-agent \
    software-properties-common

# Добавляем официальный GPG ключ Docker
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

# Добавляем Docker репозиторий
sudo add-apt-repository \
   "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
   $(lsb_release -cs) \
   stable"

# Устанавливаем Docker Engine
sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io

# Проверяем установку
sudo docker run hello-world
```

**На macOS и Windows:**

Скачайте и установите **Docker Desktop** с официального сайта [docker.com](https://www.docker.com/products/docker-desktop/).

### Установка Docker Compose

Docker Compose обычно уже включен в Docker Desktop для macOS и Windows. Для Linux выполните следующие команды:

```
sudo curl -L "https://github.com/docker/compose/releases/download/1.29.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose

# Делаем файл исполняемым
sudo chmod +x /usr/local/bin/docker-compose

# Проверяем версию
docker-compose --version
```

## Клонирование репозитория CVAT

Выберите директорию для установки CVAT и клонируйте репозиторий:

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

## Настройка и запуск CVAT

### Настройка переменных окружения

CVAT использует файл .env для хранения переменных окружения. Создайте его на основе шаблона:

```
cp .env.example .env
```

При необходимости отредактируйте .env, чтобы настроить порты, учетные данные и другие параметры.

### Запуск CVAT

Запустите сервисы CVAT с помощью Docker Compose:

```
docker-compose up -d
```

Эта команда автоматически соберет и запустит все необходимые контейнеры в фоновом режиме.

### Проверка состояния сервисов

Убедитесь, что все контейнеры запущены и работают корректно:

```
docker-compose ps
```

Вы должны увидеть список контейнеров с состоянием “Up”.

## Доступ к веб-интерфейсу CVAT

Откройте браузер и перейдите по адресу: http://localhost:8080

Если вы устанавливаете CVAT на удаленном сервере, замените localhost на IP-адрес сервера.

## Первоначальная настройка CVAT

### Создание учетной записи администратора

При первом запуске вам будет предложено создать учетную запись администратора:

- **Username**: выберите уникальное имя пользователя.
- **Email**: укажите действующий адрес электронной почты.
- **Password**: установите надежный пароль и подтвердите его.

### 6.2. Настройка пользователей и ролей

В разделе **“User Management”** вы можете добавлять новых пользователей, назначать роли и управлять доступом.

## Конфигурация дополнительных функций

### Интеграция с облачными хранилищами

CVAT поддерживает интеграцию с AWS S3, Azure Blob Storage и другими облачными сервисами. Для настройки:

- Отредактируйте файл cvat/settings/base.py.
- Добавьте необходимые параметры подключения к вашему облачному сервису.

### Настройка SSL (HTTPS)

Для обеспечения безопасности рекомендуется настроить SSL-сертификат:

- Настройте обратный прокси-сервер (например, Nginx).
- Получите SSL-сертификат от Let’s Encrypt или другого провайдера.
- Настройте перенаправление HTTP на HTTPS.

### Настройка LDAP-аутентификации

Для интеграции с корпоративным LDAP-сервером:

- Отредактируйте файл docker-compose.yml, добавив необходимые переменные окружения для LDAP.
- Перезапустите контейнеры CVAT.

## Обновление CVAT

Регулярно проверяйте обновления CVAT для получения новых функций и исправлений:

```
# Остановите текущие контейнеры
docker-compose down

# Обновите репозиторий
git pull origin develop

# Пересоберите образы
docker-compose build

# Запустите обновленные контейнеры
docker-compose up -d
```

## Резервное копирование и восстановление данных

### Резервное копирование

Сохраните данные базы данных и файлового хранилища:

```
# Бэкап базы данных

docker exec -t cvat_db pg_dumpall -c -U root > cvat_db_backup.sql

# Бэкап файлов

tar -czvf cvat_data_backup.tar.gz data/
```

### Восстановление

Для восстановления данных:

```
# Восстановление базы данных

cat cvat_db_backup.sql | docker exec -i cvat_db psql -U root

# Восстановление файлов

tar -xzvf cvat_data_backup.tar.gz -C /
```

## Часто задаваемые вопросы по CVAT.

### Где хранятся загруженные изображения/видео.

Загруженные данные сохраняются в cvat\_data томе Docker:

```
volumes:

  - cvat_data:/home/django/data
```

### Где хранятся аннотации?

Аннотации хранятся в базе данных PostgreSQL. Файлы базы данных хранятся в cvat\_dbтоме docker:

```
volumes:

  - cvat_db:/var/lib/postgresql/data
```

Выберите модель DL. Для туториала я выберу популярную библиотеку AI с большим количеством моделей внутри. В вашем случае это может быть ваша собственная модель. Если она основана на detector2, то ее будет легко интегрировать. Просто следуйте туториалу.

[Detectron2](https://github.com/facebookresearch/detectron2) — это библиотека следующего поколения от Facebook AI Research, которая предоставляет самые современные алгоритмы обнаружения и сегментации. Она является преемником Detectron и maskrcnn-benchmark. Она поддерживает ряд исследовательских проектов и производственных приложений компьютерного зрения в Facebook.

Клонируйте репозиторий куда-нибудь. Я предполагаю, что все остальные эксперименты будут запускаться из клонированного detectron2 каталога.

```
git clone https://github.com/facebookresearch/detectron2
cd detectron2
```

Подробное [руководство serverless](https://docs.cvat.ai/docs/manual/advanced/serverless-tutorial/#adding-your-own-dl-models).

[Полный список страниц сайта, читаемых AI](https://data-light.ru/llms.txt)
