如何在CVAT项目中强制使用原始质量显示标注视图中的图像
2025-05-17 18:53:47作者:霍妲思
在计算机视觉标注工具CVAT的实际应用中,图像质量对于标注精度至关重要。许多开发者在使用CVAT进行本地部署时,希望直接使用原始质量的图像进行标注工作,而不需要压缩质量选项。本文将详细介绍如何通过修改CVAT源代码实现这一需求。
问题背景
CVAT默认提供了图像质量切换功能,允许用户在"原始质量"和"压缩质量"之间选择。然而,在某些专业场景下,特别是当CVAT部署在本地网络环境中时,网络带宽不再是限制因素,开发者可能希望始终使用原始质量的图像以获得最佳标注体验。
技术实现方案
要实现这一功能,我们需要修改CVAT的服务器代理代码,具体步骤如下:
-
定位关键文件:找到
server-proxy.ts文件,该文件负责处理图像数据的获取请求。 -
修改请求参数:在文件中的
getData函数内,将quality参数固定设置为'original'。这样无论前端如何请求,后端始终返回原始质量的图像数据。 -
完整的修改示例:
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
部署注意事项
完成代码修改后,必须重新构建Docker镜像才能使更改生效。这是许多开发者容易忽略的关键步骤。正确的构建命令为:
docker compose -f docker-compose.yml -f docker-compose.dev.yml build
构建完成后,再使用常规命令启动服务:
docker compose up -d
验证方法
为确保修改已生效,可以通过以下方式验证:
- 使用浏览器开发者工具检查图像请求的URL参数,确认quality参数已变为'original'
- 观察标注视图中的图像质量是否明显提高
- 检查网络请求的响应数据大小,原始质量的图像通常会有显著增大的数据量
技术原理
CVAT的图像传输机制采用了按需加载策略,通过quality参数控制返回的图像质量等级。当设置为'original'时,服务器会直接返回未经压缩的原始图像数据。这种设计在本地网络环境中特别有价值,因为:
- 消除了图像压缩带来的质量损失
- 避免了压缩/解压缩的计算开销
- 确保了标注人员看到的是最真实的图像信息
扩展思考
虽然本文介绍了强制使用原始质量的方法,但在实际生产环境中,开发者可能需要考虑更多因素:
- 对于超高分辨率图像,可能需要额外的内存管理
- 在多用户协作场景下,网络带宽需求会显著增加
- 可以考虑添加环境变量控制这一行为,而不是硬编码在源代码中
通过这种定制化修改,CVAT可以更好地适应专业场景下的高质量标注需求,为计算机视觉项目提供更精准的数据支持。
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
245
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
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218