适用平台Tiger AI / CV_PythonVue_TigerPro入口AI 智能识别 → 模型训练 → 数据标注 → 标注工具本文说明三款外接辅助工具X-AnyLabeling、CVAT、Roboflow Annotate的配置与逐步操作并举例到「能训练」为止。配套文档数据标注功能说明含内置 Web 画框、抽帧、构建训练集。文章目录0. 先搞懂四套工具各自干什么1. 开始前必做所有工具通用1.1 登录与权限1.2 准备一个数据集举例停车场车辆步骤 A新建数据集步骤 B准备图片步骤 C进入标注工具页2. 配置密钥CVAT / Roboflow 必做3. X-AnyLabeling本机桌面详细步骤3.1 这是什么3.2 本机安装首次3.3 在平台上的操作举例 parking-demo① 导出标注包② 在 X-AnyLabeling 里标注③ 导入回平台④ 回灌到训练目录3.4 举例时间线X-AnyLabeling4. CVAT网页 API详细步骤4.1 这是什么4.2 准备账号4.3 在平台上的操作举例① 确认已配置② 推送到 CVAT③ 在 CVAT 网页里标注④ 拉取标注⑤ 回灌4.4 举例时间线CVAT5. Roboflow Annotate云端 API详细步骤5.1 这是什么5.2 准备账号5.3 在平台上的操作举例① 推送到 Roboflow② 在 Roboflow 网页标注③ 拉取版本④ 回灌 → 构建 → 训练5.4 举例时间线Roboflow6. 三种工具怎么选小白决策7. 完整举例从 0 到第一次训练推荐路径8. 目录对照方便排查9. 常见问题FAQQ1点 CVAT/Roboflow 显示未配置Q1bCVAT 推送 401 UnauthorizedQ1dCVAT 拉取 410 GoneQ1cRoboflow 推送 422name is invalidQ2推送成功但网页打不开Q3拉取后「工作区已标」有数构建仍像没标签Q4回灌合并和覆盖有什么区别Q5X-AnyLabeling 类别顺序乱了Q6Roboflow 拉取报错找不到版本Q7能否只标一部分图Q8import 格式数据集10. 按钮速查表11. 相关链接0. 先搞懂四套工具各自干什么平台同时提供4 套互不影响的标注方式工具在哪标标签先写到哪里适合谁内置 Web 画框浏览器里拖框raw/labels直接可用少量图、快速试标X-AnyLabeling本机桌面软件tools/xanylabeling/labels要 AI 辅助SAM 等、本机数据不出网CVAT网页云端或自建tools/cvat/labels多人协作、视频/审核Roboflow云端网页tools/roboflow/labels云端 Assist、版本管理重要概念回灌外接三工具标完后标签先在各自「工作区」不会自动进入训练目录。需要在平台点「回灌 raw合并/覆盖」才会写到raw/labels。之后才能在「数据集管理」里点「构建」→「训练」。抽帧/上传图片 → 用某一套工具标注 →外接工具需回灌→ 构建 → 训练1. 开始前必做所有工具通用1.1 登录与权限启动后端与前端开发环境常见后端5001前端npm run dev。使用有模型训练权限的账号登录。确认菜单能打开模型训练。1.2 准备一个数据集举例停车场车辆目标标注两类目标car、license_plate约 50200 张图。步骤 A新建数据集打开模型训练 → 数据集管理。点击新建数据集。填写示例字段示例值说明名称parking-demo随便起好记即可格式yolo_flat或auto推荐扁平 YOLO方便在线/外接标注类别名称每行一个car/license_plate必须填否则无法标注划分比例0.8构建时 80% 训练 / 20% 验证保存。步骤 B准备图片任选其一抽帧表格行点抽帧→ 选一段监控视频 → 间隔例如10、最多100张 → 开始抽帧。上传点上传选择多张.jpg/.png。抽帧成功后平台通常会自动跳到数据标注。步骤 C进入标注工具页模型训练 → 数据标注 → 标注工具。顶部选择数据集选中parking-demo。点刷新状态确认显示图片数量。到这里三套外接工具的「原料」图片都准备好了。2. 配置密钥CVAT / Roboflow 必做编辑文件backend/.env不要提交到 Git。# Roboflow服务端用 Private Key ROBOFLOW_API_KEY你的私钥 ROBOFLOW_PUBLIC_API_KEY你的公钥可选 ROBOFLOW_WORKSPACE你的工作区slug可选不清楚可留空 # CVAT云端一般为 https://app.cvat.ai 自建则改成你的地址 CVAT_URLhttps://app.cvat.ai CVAT_TOKEN你的Personal_Access_Token改完后必须重启后端配置才生效。如何判断配置成功打开标注工具切换到CVAT/Roboflow。卡片右上角标签显示「已配置」绿色即表示就绪。若显示「未配置」检查.env拼写与是否重启。X-AnyLabeling不需要API Key只需本机安装软件。3. X-AnyLabeling本机桌面详细步骤3.1 这是什么X-AnyLabeling 是装在电脑上的标注软件支持 SAM、YOLO 等 AI 辅助。适合数据敏感、不想上云、需要智能分割/检测辅助。3.2 本机安装首次打开项目主页按官方文档安装Windows 可用安装包或 pip。能正常打开软件即可不必和平台装在同一台服务器上标注员电脑也可。3.3 在平台上的操作举例parking-demo① 导出标注包标注工具→ 选数据集parking-demo。切换到X-AnyLabeling。点击导出标注包。浏览器会下载类似xany_dataset_12.zip的文件。解压后大致结构images/ ← 用软件打开这个目录 classes.txt ← 类别列表与平台一致 labels/ ← 若之前有续标标签可能存在 README.txt② 在 X-AnyLabeling 里标注启动 X-AnyLabeling。打开目录解压后的images/。按classes.txt配置类别顺序必须与平台一致例如先car后license_plate。逐张画框或使用 AI 辅助生成框并检查类别。导出为 YOLO 格式标签得到一批与图片同名的.txt或含labels/的 zip。小白提示框尽量贴合目标不要留过大空白。一张图可以有多个框多辆车、多个牌。类别 ID 从 0 开始0car1license_plate取决于你在平台填的顺序。③ 导入回平台回到平台X-AnyLabeling面板。点导入 YOLO 标签选择含.txt的zip或单个.txt多文件可多次导入。成功后面板上「工作区已标」数量会增加。此时标签只在tools/xanylabeling/labels还不能直接训练。④ 回灌到训练目录点回灌 raw合并同名标签覆盖到raw/labels其它图保留。或回灌 raw覆盖用本工作区标签整体替换raw/labels慎用。回到数据集管理→构建→ 再去建训练任务。3.4 举例时间线X-AnyLabeling时间动作结果10:00抽帧 80 张raw/images有图10:05导出标注包得到 zip10:1011:00X-AnyLabeling 标完本机有 YOLO txt11:05导入标签工作区已标 8011:06回灌合并raw/labels就绪11:10构建 训练开始训 YOLO4. CVAT网页 API详细步骤4.1 这是什么CVAT 是专业在线标注平台。平台通过 API推送图片 → 你在 CVAT 网页里标 → 再拉回 YOLO 标签。4.2 准备账号云端注册 app.cvat.ai创建 Personal Access Token写入.env的CVAT_TOKENCVAT_URLhttps://app.cvat.ai。自建Docker 部署后把CVAT_URL改成例如http://192.168.1.10:8080。4.3 在平台上的操作举例① 确认已配置标注工具 → CVAT右上角应为已配置。② 推送到 CVAT选中数据集如parking-demo。点推送到 CVAT。等待完成图片多时可能要几分钟。成功后会出现「打开 CVAT 任务」链接——点开。平台会大致创建项目名类似tiger-parking-demo任务名带时间戳③ 在 CVAT 网页里标注浏览器打开任务页。按 CVAT 界面画矩形框选择标签car/license_plate与平台类别一致。可用快捷键与跟踪辅助视频场景更有优势。全部标完后保存CVAT 通常自动保存以界面提示为准。小白提示第一次建议只推 2030 张练手熟悉后再推全量。不要在平台「再推一次」覆盖混乱前先确认旧任务是否还要保留。④ 拉取标注回到平台CVAT面板。点拉取标注。成功后「工作区已标」增加写入tools/cvat/labels。若 API 导出异常可用手动导入 YOLO在 CVAT 里导出 YOLO 1.1 zip再在平台点「手动导入 YOLO」。⑤ 回灌点回灌 raw合并或覆盖再去构建 / 训练。4.4 举例时间线CVAT步骤平台按钮CVAT 网页1推送到 CVAT—2打开 CVAT 任务画框、存档3拉取标注—4回灌 raw—5数据集「构建」—5. Roboflow Annotate云端 API详细步骤5.1 这是什么Roboflow 提供云端标注与数据集版本。平台上传图片 → 你在 Roboflow 网页标 → 生成版本后拉取 YOLO。5.2 准备账号打开 Roboflow API Settings。将Private API Key写入ROBOFLOW_API_KEY。可选填写ROBOFLOW_WORKSPACE为工作区 slug。重启后端。5.3 在平台上的操作举例① 推送到 Roboflow标注工具 → Roboflow确认已配置。选数据集parking-demo。点推送到 Roboflow。完成后点打开 Roboflow 标注若有链接。项目名通常类似tiger-parking-demo。② 在 Roboflow 网页标注在 Roboflow 中为图片画框、设类别。可使用其 Assist / 自动标注加速。标注到一定数量后在 Roboflow 中Generate / 创建 Dataset Version生成带版本号的数据集如 Version 1、2。小白提示必须先有版本平台「拉取版本」才有东西可下。版本号在面板里用数字填写如1与 Roboflow 网页上的 Version 一致。③ 拉取版本在平台 Roboflow 面板版本号输入框填1或你的版本。点拉取版本。标签进入tools/roboflow/labels。也可手动导入 YOLO从 Roboflow 下载的 YOLO zip。④ 回灌 → 构建 → 训练与前面相同回灌 raw → 数据集构建 → 新建训练任务。5.4 举例时间线Roboflow推送 100 张 → 网页标完 → Generate Version 1 → 平台填版本 1「拉取版本」→「回灌 raw合并」→「构建」→ 训练 YOLO26n6. 三种工具怎么选小白决策你的情况建议就想先标 20 张试试内置 Web 画框电脑能装软件要 AI 点选分割/检测辅助X-AnyLabeling多人一起标、要审核、偏视频CVAT接受上云、要云端 Assist 和版本管理Roboflow数据不能出内网Web或X-AnyLabeling或自建 CVAT不要用 Roboflow 云可以混用但注意各工具工作区独立最终以回灌进raw/labels的那份为准去构建。不要同一批图在三个工具各标一遍又乱回灌容易覆盖搞混。建议一个数据集主用一套外接工具。7. 完整举例从 0 到第一次训练推荐路径场景小区门禁视频标注车辆与车牌先用 X-AnyLabeling。新建数据集gate-v1类别car、plate。抽帧间隔 15最多 120 张。标注工具 → X-AnyLabeling →导出标注包。本机 X-AnyLabeling 打开images/用 AI 辅助标完导出 YOLO。平台导入 YOLO 标签→回灌 raw合并。数据集管理 →质量检测可选看漏标。构建。训练任务基座选yolo26n或yolo26s开训。训练完成后部署到模型管理再去业务页试用。若改用 CVAT第 35 步换成「推送 → 网页标 → 拉取 → 回灌」。若改用 Roboflow第 35 步换成「推送 → 网页标并生成版本 → 拉取版本 → 回灌」。8. 目录对照方便排查每个数据集在服务器上类似backend/uploads/datasets/数据集ID/ ├── raw/ │ ├── images/ ← 所有工具共用的图片 │ └── labels/ ← 训练真正读取的标签Web 直接写外接需回灌 └── tools/ ├── xanylabeling/labels/ ← X-AnyLabeling 独立工作区 ├── cvat/labels/ ← CVAT 独立工作区 └── roboflow/labels/ ← Roboflow 独立工作区9. 常见问题FAQQ1点 CVAT/Roboflow 显示未配置检查backend/.env是否填写、是否重启后端。CVAT 还需正确的CVAT_URL。Q1bCVAT 推送 401 Unauthorized云端 Personal Access Token 必须用Bearer鉴权平台已自动识别xxxx.yyyy格式。若仍 401到 CVAT 重新生成 PAT更新CVAT_TOKEN后重启后端。旧版自建 CVAT 登录 Token 可设CVAT_AUTH_SCHEMEtoken。Q1dCVAT 拉取 410 Gone云端已废弃同步下载GET .../dataset?actiondownload。平台现使用异步流程POST .../dataset/export→ 轮询requests→ 下载result_url。请重启后端后再点「拉取标注」。若提示任务不存在请重新「推送到 CVAT」或确认 CVAT 网页中任务仍在。Q1cRoboflow 推送 422name is invalidRoboflow 项目名不能含中文。平台会自动生成 ASCII 名如tiger-ds12-ds-xxxxxxxx。更新代码后重新点推送即可。Q2推送成功但网页打不开CVAT检查 Token 权限、URL 是否可访问。Roboflow检查网络与 API Key 是否为PrivateKey。Q3拉取后「工作区已标」有数构建仍像没标签忘记回灌 raw。构建读的是raw/labels不是tools/.../labels。Q4回灌合并和覆盖有什么区别合并把工具区的.txt拷到raw/labels同名覆盖其它已有标签保留。覆盖先清空raw/labels再拷贝会丢掉仅存在于 raw、不在该工具区的标签。Q5X-AnyLabeling 类别顺序乱了以平台数据集里的类别顺序为准。classes.txt第 1 行是 class_id0。改顺序后需重新导出/对齐标签。Q6Roboflow 拉取报错找不到版本先在 Roboflow 网页Generate Version再在平台填对应版本号拉取。Q7能否只标一部分图可以。未标的图没有对应.txt时构建一般只配对「有标签的图」。建议重要类别尽量标全。Q8import 格式数据集平台说明import格式不走这套在线/外接工作区请按外部目录规范自行标注后构建。10. 按钮速查表面板按钮作用共用选择数据集 / 刷新状态切换数据、刷新各工具统计X-AnyLabeling导出标注包下载含 images 的 zipX-AnyLabeling导入 YOLO 标签写入本工具工作区CVAT推送到 CVATAPI 创建任务并上传图CVAT拉取标注API 导出 YOLO 到工作区CVAT手动导入 YOLO导出失败时的备用Roboflow推送到 RoboflowAPI 上传图片Roboflow拉取版本按版本号下载 YOLO三者回灌 raw合并/覆盖写入训练用raw/labels11. 相关链接平台内置标注与抽帧数据标注功能说明X-AnyLabelingGitHub CVHub520/X-AnyLabelingCVAT 云端app.cvat.aiRoboflow APIapp.roboflow.com/settings/api最近建了一个AI技术交流群加我wxhhhxy666666备注AI即可进群学习和交流商务合作可私信。另外文章项目已开源https://github.com/5758703/CV_PythonVue_TigerPro觉得不错Star一下赏杯咖啡钱文档版本与平台「四套独立标注工具」功能配套。若界面按钮文案有少量调整以实际页面为准流程不变选数据集 → 外接标注 → 回灌 → 构建 → 训练。