CVAT项目中如何强制在标注视图中显示原始质量的图像
2025-05-17 12:07:15作者:廉彬冶Miranda
在计算机视觉标注工具CVAT的使用过程中,图像质量对于标注精度至关重要。本文将详细介绍如何在CVAT中配置系统,使其始终使用原始质量的图像进行标注工作,而不使用压缩版本。
问题背景
CVAT默认会为标注视图提供压缩版本的图像,以提高加载速度和减少带宽消耗。然而,在某些专业场景下,特别是在本地网络部署时,用户可能需要查看原始质量的图像以确保标注精度。虽然CVAT提供了质量切换功能,但某些用户希望系统始终使用原始质量。
技术实现方案
要实现这一需求,需要修改CVAT的源代码并重新构建Docker镜像。以下是具体步骤:
1. 修改服务器中间件代码
找到并编辑server-proxy.ts文件,将图像获取请求的quality参数固定为'original':
async function getData(jid: number, chunk: number, quality: ChunkQuality, retry = 0): Promise<ArrayBuffer> {
const { backendAPI } = config;
try {
const response = await (workerAxios as any).get(`${backendAPI}/jobs/${jid}/data`, {
params: {
...enableOrganization(),
quality: 'original', // 固定为原始质量
type: 'chunk',
number: chunk,
},
responseType: 'arraybuffer',
});
// ...其余代码保持不变
}
// ...其余代码保持不变
}
2. 重新构建Docker镜像
修改代码后,必须重新构建Docker镜像才能使更改生效。使用以下命令:
docker compose -f docker-compose.yml -f docker-compose.dev.yml build
3. 重启CVAT服务
构建完成后,重启服务以应用更改:
docker compose down
docker compose up -d
验证更改
完成上述步骤后,可以通过以下方式验证更改是否生效:
- 登录CVAT并打开一个标注任务
- 使用浏览器开发者工具检查网络请求
- 确认图像数据请求的URL中quality参数为"original"
注意事项
- 此修改将使系统始终请求原始质量图像,不再提供质量切换功能
- 在带宽有限的网络环境中,这可能导致加载时间增加
- 对于大型数据集,可能需要考虑服务器的性能影响
- 此修改仅影响标注视图中的图像显示,不影响实际存储的图像质量
技术原理
CVAT的图像处理系统采用分层架构设计。前端通过中间件服务请求图像数据,后端根据quality参数决定返回原始图像还是压缩版本。通过修改中间件服务的默认参数,我们绕过了前端的质量选择逻辑,直接请求原始图像。这种修改方式保持了系统的其他功能不变,仅改变了图像质量获取策略。
对于需要在本地网络环境中追求最高标注精度的用户,此方案提供了一种简单有效的配置方法。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137