> 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/shiteappurdo/upload-a-dataset.md). # データセットをアップロードする このページでは、既存のラベル付きデータセット（画像とそのアノテーション）を Python SDK、REST zip エンドポイント、または CLI を使って一括インポートする方法を説明します。API を使って個々の画像をアップロード・管理する方法については、 [画像を管理](/datasets/ja/guan-li/manage-images.md). ## Python SDK `Workspace.upload_dataset()` 構造化されたデータセット（画像 + 対応するアノテーション）を Roboflow プロジェクトにアップロードします。プロジェクトが存在しない場合は作成され、存在する場合は新しい画像が既存のプロジェクトに追加されます。 ```python import roboflow rf = roboflow.Roboflow(api_key="YOUR_API_KEY") workspace = rf.workspace() workspace.upload_dataset( "./dataset/", # 構造化データセット ディレクトリへのパス "my-detector", # プロジェクト ID（存在しない場合は作成されます） num_workers=10, project_license="MIT", project_type="object-detection", batch_name=None, num_retries=0, is_prediction=False, # レビュー待ちのモデル生成アノテーションの場合は True ) ``` ### パラメータ * `dataset_path` (str) - データセットルートへのパス。 * `project_name` (str) - 送信先プロジェクトの ID。存在しない場合は作成されます。 * `num_workers` (int, default `10`) - 同時アップロード。25 を超えないことを推奨します。 * `project_license` (str, default `"MIT"`) - 新規作成されるプロジェクトのライセンス。次に設定します： `"Private"` プライベートプロジェクト用（有料プランのみ）。 * `project_type` (str, default `"object-detection"`) - 新規作成されるプロジェクトの種類。プロジェクトが既に存在する場合は無視されます。 * `batch_name` (str, optional) - これらのアップロードをこの名前のバッチにまとめます。ラベリングラウンドのソース追跡に便利です。 * `num_retries` (int, default `0`) - 一時的なアップロード失敗を再試行します。 * `is_prediction` (bool、デフォルト `False`) - 次のように設定します `True` と、正解データではなくレビュー待ちのモデル予測としてアノテーションをアップロードします。 ### 予測の保存先 画像がまだアップロードバッチ内にあるときにその画像に予測を保存すると、Roboflow はその画像をそのバッチのレビュージョブへ移動します。ジョブを開いて、ラベルを承認または修正してから正解データになります。 画像がすでにアノテーションジョブに割り当てられている場合は、そのジョブに留まります。 ### 想定されるディレクトリ構成 COCO データセットの場合： ``` my_dataset/ ├── train/ │ ├── image1.jpg │ └── _annotations.coco.json ├── valid/ │ ├── image2.jpg │ └── _annotations.coco.json └── test/ ├── image3.jpg └── _annotations.coco.json ``` VOC では、対応する `.xml` ファイルを各画像の横に置きます。YOLO では、対応する `.txt` ファイルと `data.yaml` を配置し、クラス一覧を記述します。 ### SHA-256 重複排除に関する注意（v1.3.6+） roboflow `1.3.6 以降、SDK は Pillow 経由で再エンコードするのではなく、元の画像バイト列をアップロードします。これにより Web アップローダーとの整合性が取れ、Roboflow サーバーは SHA-256 によってアップロードを重複排除できます。同じ画像を再アップロードしても（たとえば別のバッチに）追加のストレージクレジットを消費せずに成功します。` データセット ZIP をアップロード ## REST API ### データセットを単一の zip アーカイブとして（最大 2 GB、10,000 ファイル）非同期タスクでアップロードします。標準の画像アップロード エンドポイントとは異なり、zip の処理中も HTTP 接続を開いたままにしておく必要はありません。API は、zip を PUT するための署名付き URL を返し、 ステータスをポーリングします。 `taskId` このエンドポイントは、Roboflow のデータセットアップロードツールでサポートされる任意の形式（COCO、YOLO、Pascal VOC など）で画像とアノテーションを含む zip を受け付けます。分類データセットでは、フォルダー名がクラスラベルとして使用されます。 フロー #### POST /:workspace/:project/upload/zip 1. `署名付き URL と` 署名付き URL と `taskId`. 2. `PUT` zip を署名付き URL に直接 PUT します。 3. `GET /:workspace/upload/zip/:taskId` タスクが完了するまでポーリングします。 #### アップロードを開始 送信します `POST` を `/:workspace/:project/upload/zip`。レスポンスには GCS 署名付き URL と `taskId`. ```bash curl -X POST "https://api.roboflow.com/my-workspace/my-project/upload/zip?api_key=$ROBOFLOW_API_KEY" \\ -H "Content-Type: application/json" \\ -d '{"split": "train", "batchName": "my-batch"}' ``` **ボディパラメータ** ``` - split (string, optional) - train、valid、test のいずれか。デフォルトは train。 - batchName (string, optional) - アップロードした画像をこの名前のバッチにまとめます。 ``` アノテーションを含む zip は、次にちなんで名付けられた 1 つのアノテーションジョブに配置されます： `batchName`、または省略した場合は「Uploaded via API」になります。名前を再利用しても、各アップロードには個別のジョブが作成されます。ワークスペースで [Review Mode](/datasets/ja/anotshon/anotshon/team-collaboration.md#review-mode) Review がオンの場合、画像は Review で待機し、レビュアーが承認するとデータセットに追加されます。 **レスポンス** ```json { "taskId": "abc123", "signedUrl": "https://storage.googleapis.com/...", "url": "https://api.roboflow.com/my-workspace/upload/zip/abc123" } ``` #### ZIP をアップロード `PUT` zip ファイルを返された `signedUrl`。Content-Type は `application/zip`. ```bash curl -X PUT "$SIGNED_URL" \\ -H "Content-Type: application/zip" \\ --upload-file ./my-dataset.zip ``` アップロードが完了すると、処理は自動的に開始されます。 #### タスクのステータスをポーリング 送信します `GET` を `/:workspace/upload/zip/:taskId`. ```bash curl "https://api.roboflow.com/my-workspace/upload/zip/abc123?api_key=$ROBOFLOW_API_KEY" ``` レスポンスは標準の [非同期タスク](https://docs.roboflow.com/reference/platform/rest-api/async-tasks) 形式に従います。タスクが完了すると、 `result` には、各画像の要約と、解析中に発生した警告やエラーが含まれます。 ```json { "taskId": "abc123", "status": "completed", "progress": { "current": 250, "total": 250 }, "result": { "uploaded": 248, "failed": 2, "warnings": [], "errors": [] } } ``` 画像ごとのエラーと警告は、それぞれ最大 100 件まで報告されます。zip 内の動画や PDF は未対応フォーマットの警告として表示され、スキップされます。 #### 制限 * 最大 zip サイズ: 2 GB * zip あたりの最大ファイル数: 10,000 #### エラー ``` - 400 - zip が不正な形式であるか、サイズまたはファイル数の制限を超えています。 - 401 - API キーが不足しているか無効です。 - 404 - ワークスペース、プロジェクト、またはタスクが存在しないか、別のワークスペースに属しています。 ``` ## CLI Roboflow CLI を使用して、画像や/またはアノテーションを含むデータセットをアップロードできます。 データセットをアップロードする方法を説明する動画を用意しました： {% embed url="" %} ### ディレクトリをアップロード を使用 `roboflow image upload` ディレクトリのパスを指定して、画像ごとの並列アップロードでデータセットを一括アップロードします： ```bash roboflow image upload /path/to/dataset/folder -p PROJECT_ID ``` または省略形のエイリアスを使用します： ```bash roboflow upload /path/to/dataset/folder -p PROJECT_ID ``` CLI は、そのパスがファイル、ディレクトリ、または `.zip` ファイルかどうかを自動判別します。ディレクトリの場合は、 `--zip-upload`. #### オプション | フラグ | 説明 | | --------------------- | ------------------------------- | | `-p`, `--project` | プロジェクト ID（必須） | | `-c`, `--concurrency` | 並列アップロード数（デフォルト: 10） | | `-b`, `--batch` | アップロードをまとめるバッチ名 | | `-r`, `--retries` | 失敗したアップロードを N 回再試行します（デフォルト: 0） | | `-s`, `--split` | アップロードされたすべての画像の split を上書きします | オプション付きの例： ```bash roboflow upload ./my-dataset -p my-project -c 20 -b "april-batch" -r 3 ``` ### Zip ファイルをアップロードする 大きなデータセットや、データセットがすでに `.zip` ファイルです。zip アップロードでは Roboflow の非同期 zip アップロードフローを使用します。デフォルトでは、CLI は zip ファイルをアップロードし、処理が完了するまで待機します。 これは、次で説明しているのと同じフローです： [REST API](#rest-api) 上記；CLI が署名付き URL へのアップロードとタスクのポーリングを代行します。 既存の zip ファイルをアップロードするには： ```bash roboflow image upload /path/to/dataset.zip -p PROJECT_ID ``` ローカルディレクトリをクライアント側で zip 化し、非同期 zip フローでアップロードするには、 `--zip-upload` メインコマンドに次を付けて使用します： ```bash roboflow image upload /path/to/dataset/folder -p PROJECT_ID --zip-upload ``` #### ZIP アップロードのオプション | フラグ | 説明 | | ----------------- | -------------------------------------------------- | | `-p`, `--project` | プロジェクト ID（必須） | | `--zip-upload` | ディレクトリをクライアント側で zip 化し、非同期 zip アップロードフローでアップロードします | | `--no-wait` | zip のアップロード後、処理が完了するのを待たずにすぐに返します | | `-b`, `--batch` | アップロードをまとめるバッチ名 | | `-s`, `--split` | 分割セット: train、valid、または test | | `-t`, `--tag` | カンマ区切りのタグ名 | zip アップロードオプション付きの例： ```bash roboflow image upload ./my-dataset.zip -p my-project -s train -t "outdoor,daytime" -b "april-batch" ``` 処理を開始し、すぐにタスク ID を返すには： ```bash roboflow image upload ./my-dataset.zip -p my-project --no-wait --json ``` JSON レスポンスには非同期タスク ID が含まれます： ```json { "status": "pending", "task_id": "task-123", "path": "./my-dataset.zip", "project": "my-project", "result": { "task_id": "task-123", "status": "pending" } } ``` zip アップロードでは次をサポートしていません： `--is-prediction`。予測アップロードには通常の画像ごとのアップロードフローを使用してください。 ### サポートされているプロジェクトタイプ 次のプロジェクトタイプにデータをアップロードできます： * オブジェクト検出 * 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 ### サポートされている data.yaml 形式 CLI は、次の中でリスト形式とキーと値のペア形式の両方のクラス名マッピングをサポートします： `data.yaml` データセットのアップロード中のファイル： ```yaml nc: 3 names: ['Paper', 'Rock', 'Scissors'] ``` または ```yaml nc: 3 names: 0: Paper 1: Rock 2: Scissors ``` ### JSON 出力 自動化には次を使用します： `--json`: ```bash roboflow upload ./my-dataset -p my-project --json ``` ```json {"status": "uploaded", "path": "./my-dataset", "project": "my-project"} ``` ## MCPサーバー AIエージェントを [MCPサーバー](https://docs.roboflow.com/agents/mcp-server) そして次のツールを使ってデータセットをアップロードできます：zip には画像のみが含まれるため、ラベルは次の手順で保存されます。
ツール説明
image_uploadzip を介してローカル画像ファイルをプロジェクトにアップロードします。画像のみで、アノテーションファイルはありません。
image_upload_status画像 zip アップロードタスクの状態を確認します。
annotations_saveすでにアップロード済みの画像のアノテーションを保存します。
## 次のステップ * トレーニングに使用できるよう、アノテーションされていない画像にラベルを付けてください。詳しくは [Roboflow Annotate の概要](/datasets/ja/anotshon/anotshon/annotation-tools.md). * 画像をトレーニング可能なスナップショットに変換します。詳しくは [データセットバージョンを作成](/datasets/ja/bjon/dataset-versions/create-a-dataset-version.md).