> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/datasets/ja/bjon/dataset-versions/exporting-data.md). # データセットのバージョンをエクスポート 学習用のデータを Roboflow からエクスポートします。 ## 概要 エクスポートすると、選択したアノテーション形式でデータセットバージョンのダウンロード可能なスナップショットが作成されます - YOLO、COCO、Pascal VOC、CreateML など（完全な一覧は [formats ディレクトリ](https://roboflow.com/formats)）。Roboflow の Web アプリ、Python SDK、REST API、または CLI からエクスポートできます。データセットのバージョンは学習用に作成されるため、エクスポートされた画像は圧縮され、クラス名はサニタイズされます。詳細は [エクスポートの動作](#export-behavior) を参照してください。詳細および元の品質の画像を取得する方法については。 ## Web アプリ Roboflow では、Web インターフェースからいつでもデータをエクスポートできます。 データをエクスポートするには、まず Roboflow ダッシュボードでデータセットのバージョンを作成します。プロジェクトに関連付けられた「Versions」ページで行えます。 データセットを作成したら、データセットのバージョンの横にある「Export」をクリックします：
さまざまな形式でデータをダウンロードできます。対応しているエクスポート形式の完全な一覧は、私たちの「Export」タブで確認できます。 [formats ディレクトリ](https://roboflow.com/formats). エクスポート形式を選択した後、データを次のいずれかとしてダウンロードできます。 `.zip` ファイル、または次の形式として `curl` コマンドラインからダウンロードするためのリンク。 ![デバイス上の .zip フォルダにエクスポートしています。](https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-dea583c84e27d6719a0cc8ec1ece48444d1f2668%2Fimage%20\(116\).png?alt=media) {% hint style="warning" %} *この `curl` および Python コードには、あなたのアカウント固有の秘密鍵が含まれます。このキーを共有しないでください！* {% endhint %} ![「Continue」を選択した後に表示される「show download code」のウィンドウ。](https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-458acb441d1a881e70e3306212735ac5f33dd525%2Fimage%20\(286\).png?alt=media) ## HTTP API `/:workspace/:project/:version/:format` は、特定の形式でエクスポートされたデータセットのダウンロードリンクを取得するために使用するルートです。これは、以下の Jupyter ノートブックで使用できます。 [私たちのモデルライブラリ](https://models.roboflow.com) または独自のカスタム学習スクリプトで。 次のエンドポイントは `エクスポート` を返します。この値には `リンク` キーが含まれており、その URL からデータセットをダウンロードできます： 
curl "https://api.roboflow.com/roboflow/chess-sample-4ckfl/1/yolov5pytorch?api_key=$ROBOFLOW_API_KEY"
次に、エンドポイントから返されるペイロードの例です： ```bash { "workspace": { "name": "Roboflow", "url": "roboflow", "members": 7 }, "project": { "id": "roboflow/chess-sample-4ckfl", "type": "object-detection", "name": "Chess Sample", "created": 1630335544.592, "updated": 1630335741.988, "images": 12, "unannotated": 3, "annotation": "pieces", "public": false, "splits": { "test": 1, "train": 9, "valid": 2 }, "classes": { "white-bishop": 11, "black-king": 8, "black-knight": 11, "white-queen": 7, "black-bishop": 8, "white-rook": 10, "black-rook": 10, "white-king": 8, "black-queen": 4, "black-pawn": 37, "white-pawn": 34, "white-knight": 10 } }, "version": { "id": "roboflow/chess-sample-4ckfl/1", "name": "augmented", "created": 1630335698.746, "images": 30, "splits": { "train": 27, "test": 1, "valid": 2 }, "model": { "id": "chess-sample-4ckfl/1", "endpoint": "https://serverless.roboflow.com/infer/chess-sample-4ckfl/1", "start": 1630335799.682, "end": 1630337523.889, "fromScratch": false, "tfjs": true, "oak": true, "map": "62.87", "recall": "85.29", "precision": "23.44" }, "preprocessing": { "grayscale": { "enabled": true }, "resize": { "width": 416, "height": 416, "enabled": true, "format": "Stretch to" }, "auto-orient": { "enabled": true } }, "augmentation": { "rotate": { "enabled": true, "degrees": "5" }, "exposure": { "enabled": true, "percent": "25" }, "noise": { "enabled": true, "percent": "2" }, "image": { "versions": "3", "enabled": true }, "flip": { "horizontal": true, "enabled": true, "vertical": false }, "brightness": { "enabled": true, "brighten": true, "percent": "25", "darken": true }, "crop": { "percent": 30, "enabled": true, "min": 0 } }, "exports": [ "yolov5pytorch" ] }, "export": { "format": "yolov5pytorch", "link": "https://app.roboflow.com/ds/XXXXXXXXXX?key=XXXXXXXXXX" } } ``` ### エクスポート形式のオプション データセットのエクスポートで利用できる設定オプションは次のとおりです： | 物体検出 | 単一ラベル分類 | マルチラベル分類 | インスタンスセグメンテーション | セマンティックセグメンテーション | キーポイント検出 | | ------------- | ------- | ---------- | ----------------- | ----------------- | ------------- | | clip | folder | multiclass | coco-segmentation | coco-segmentation | coco | | coco | clip | folder | clip | png-mask-semantic | yolov5pytorch | | createml | | clip | coco | | | | darknet | | | createml | | | | multiclass | | | darknet | | | | tensorflow | | | multiclass | | | | tfrecord | | | tensorflow | | | | voc | | | tfrecord | | | | yolokeras | | | voc | | | | yolov5pytorch | | | yolokeras | | | | yolov7pytorch | | | yolov4pytorch | | | | mt-yolov6 | | | yolov4scaled | | | | retinanet | | | yolov5-obb | | | | benchmarker | | | yolov5pytorch | | | | | | | yolov7pytorch | | | | | | | mt-yolov6 | | | | | | | retinanet | | | | | | | benchmarker | | | ## Python SDK Python パッケージを使って、バージョンの作成とデータセットのエクスポートの両方を行えます。 Python SDK からエクスポートするためのデータセットの ZIP ファイルを作成するには、まず特定の [プロジェクトからバージョンを取得します](https://docs.roboflow.com/platform/workspaces/list-workspaces-and-projects#list-projects-and-versions): ``` version = project.version(version_number) ``` その後、データセットを直接ダウンロードします： ```python version.download(model_format="yolov5", location="./downloads") ``` download メソッドは必要に応じてエクスポートの作成を自動で処理し、ZIP ファイルを指定した場所に展開して、データセットを説明するオブジェクトを返します。 エクスポート前にバージョンを作成する方法については、 [データセットのバージョンを作成](/datasets/ja/bjon/dataset-versions/create-a-dataset-version.md#python-sdk). ### 元の品質の画像をダウンロード エクスポートされた画像は学習用に圧縮されています（ [エクスポートの動作](#export-behavior)）。データセット全体の元のフル解像度画像をダウンロードするには、 `search_export`を使用します。これにより、ソースファイルから ZIP が作成されるため、画像は元のバイト列と元のファイル拡張子を保持します。 このメソッドには `roboflow` バージョン 1.2.14 以降が必要です。 ```python from roboflow import Roboflow rf = Roboflow(api_key="YOUR_API_KEY") workspace = rf.workspace() workspace.search_export( query="*", # "*" はすべての画像に一致します format="coco", # アノテーション形式（例: coco, yolov8, voc, folder） dataset="my-dataset-id", # オプション: 1 つのプロジェクトに限定 location="./original-images", # ファイルの保存先フォルダ ) ``` このコマンドは画像とアノテーションを次の場所に配置します `./original-images/`。ZIP として取得するには、次を指定します `extract_zip=False`. 置き換えてください `"*"` を任意の [検索クエリ](/datasets/ja/guan-li/manage-datasets/dataset-search.md) に置き換えて、サブセットをエクスポートします（例： `tag:review split:train`). {% hint style="info" %} エクスポートはセマンティック検索クエリをサポートしていません。次のようなフィルターを使用してください： `class:`, `tag:`, `split:`、または `filename:` 自由文ではなく。 {% endhint %} ## CLI 次のコマンドを使用して Roboflow CLI からデータをエクスポートできます： ``` roboflow download ``` [この CLI コマンドの詳細は、ドキュメントを参照してください。](/datasets/ja/appurdo/download-a-dataset.md#cli) 圧縮版ではなく元の品質のソース画像をダウンロードするには、 `search-export`: ``` roboflow search-export "*" -f coco -d my-dataset-id -l ./original-images ``` ## MCP サーバー AI エージェントを次のものに接続すると、 [MCP サーバー](https://docs.roboflow.com/agents/mcp-server) これらのツールでバージョンをエクスポートできます：
ツール説明
versions_exportバージョンのデータセットエクスポートを確認または実行します。
versions_get分割情報とトレーニングを含むバージョン情報を取得します。
## エクスポートの動作 データセットバージョンは、コンピュータビジョンモデルの学習データとして使用されるよう設計されています。そのため、学習体験とモデルの性能を向上させるためにいくつかの最適化を行っています。 ### 画像圧縮 学習の低速化を防ぐため、学習速度と十分なモデル性能に必要な解像度のバランスを保つレベルで画像を圧縮しています。 元の品質の画像をダウンロードしたい場合は、データセット内の画像をクリックして「Download Image」を選択してください。
{% hint style="info" %} 画像にはプログラムから次の方法でもアクセスできます。 [Image Details API](/datasets/ja/guan-li/manage-images.md#get-details-about-an-image)。 `image.urls.original` プロパティには元の品質の画像へのリンクが示されます。 {% endhint %} データセット内のすべての元の品質の画像をプログラムからダウンロードする方法については、 [元の品質の画像をダウンロード](#download-original-quality-images) Python SDK のセクションを参照してください。 ### 使用可能な文字 学習中に問題が発生するのを防ぐため、アップロード/インポート時とエクスポート時の両方でクラス名をサニタイズします。エクスポート時には、次の処理を行います： * クラス名は ASCII に変換されます * 可能な場合は、文字を英字化します（例： `ü` が `u`) * それ以外の場合は、ダッシュ（`-`) {% hint style="info" %} [クラス名のサニタイズはアップロード時にも行われます](/datasets/ja/appurdo/adding-data.md) {% endhint %}