> 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 Python SDK を使って、構造化された画像とアノテーションのデータセットを Roboflow プロジェクトにアップロードします。 このページでは、Python SDK、REST の zip エンドポイント、または CLI を使用して、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）を一括インポートする方法を説明します。API を介して個々の画像をアップロードおよび管理する方法については、 [画像の管理](/datasets/ja/guan-li/manage-images.md). ## Python SDK `Workspace.upload_dataset()` は、構造化データセット（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） 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には 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) - 宛先プロジェクトの ID。存在しない場合は作成されます。 * `num_workers` (int、デフォルト値 `10`) - 同時アップロード数。25 を超えないことを推奨します。 * `project_license` (str、デフォルト値 `"MIT"`) - 新規作成プロジェクトのライセンス。プライベートプロジェクトの場合は `"Private"` に設定します（有料プランのみ）。 * `project_type` (str、デフォルト値 `"object-detection"`) - 新規作成プロジェクトのタイプ。プロジェクトがすでに存在する場合は無視されます。 * `batch_name` (str、任意) - これらのアップロードを名前付きバッチにまとめます。ラベリングラウンドのソースを追跡するのに便利です。 * `num_retries` (int、デフォルト値 `0`) - 一時的なアップロード失敗を再試行します。 * `is_prediction` (bool、デフォルト値 `False`) - `True` に設定すると、アノテーションをグラウンドトゥルースではなく、レビュー待ちのモデル予測としてアップロードします。 ### 予測の保存先 まだアップロードバッチ内にある画像に予測を保存すると、Roboflow はその画像をバッチのレビュージョブに移動します。ラベルがグラウンドトゥルースになる前に、ジョブを開いて承認または修正してください。 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、そのジョブに残ります。 ### 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` ファイルを各画像と同じ場所に配置します。YOLO では、対応する `.txt` ファイルと、クラス一覧を記述した `data.yaml` を配置します。 ### SHA-256 重複排除に関する注記（v1.3.6 以降） バージョン `roboflow` 1.3.6 以降、SDK は Pillow による再エンコードではなく、元の画像バイト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保たれ、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へ）、追加のストレージクレジットを消費せずに成功します。 ## REST API ### データセット Zip をアップロードする 非同期タスクを使用して、データセットを 1 つの zip アーカイブとしてアップロードします（最大 2 GB、10,000 ファイル）。標準の画像アップロードエンドポイントとは異なり、zip の処理中に HTTP 接続を開いたままにする必要はありません。API は zip の PUT 先となる署名付き URL と、 `taskId` を返します。ステータスはこれをポーリングして確認します。 このエンドポイントは、Roboflow 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）の画像および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 1. `POST /:workspace/:project/upload/zip` 署名付き URL と `taskId`. 2. `PUT` を返します。zip を署名付き URL に直接送信します。 3. `GET /:workspace/upload/zip/:taskId` を使用して、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する 次の `POST` を `/:workspace/:project/upload/zip`に送信します。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=$ROBOFLOW_API_KEY" \ -H "Content-Type: application/json" \ -d '{"split": "train", "batchName": "my-batch"}' ``` **ボディパラメータ** ``` - split (string、任意) - train、valid、test のいずれかです。デフォルトは train です。 - batchName (string、任意) - アップロードした画像をこの名前のバッチにグループ化します。 - annotationOverwrite (boolean、任意) - すでにプロジェクトにある画像のアノテーションを置き換えます。デフォルトは false です。 ``` デフォルトでは、すでにプロジェクト内にある画像は既存のアノテーションを維持し、zip 内のその画像に対するアノテーションはスキップされます。 `annotationOverwrite` を `true` に設定すると置き換えられます。分類プロジェクトでは常にラベルを置き換えるため、デフォルトを無視し、 `annotationOverwrite: false` を指定すると 400 を返します。 アノテーションを含む zip は、 `batchName`にちなんだ 1 つのアノテーションジョブに入ります。省略した場合は「Uploaded via API」になります。同じ名前を再利用しても、各アップロードには独自のジョブが作成されます。ワークスペースで [レビューモード](/datasets/ja/anotshon/anotshon/team-collaboration.md#review-mode) が有効になっている場合、画像はレビューで待機し、レビュアーが承認するとデータセットに追加されます。 **レスポンス** ```json { "taskId": "abc123", "signedUrl": "https://storage.googleapis.com/...", "url": "https://api.roboflow.com/my-workspace/upload/zip/abc123" } ``` #### Zip をアップロードする `PUT` zip ファイルを、返された `signedUrl`にアップロードします。Content-Type は `application/zip`. ```bash curl -X PUT "$SIGNED_URL" \ -H "Content-Type: application/zip" \ --upload-file ./my-dataset.zip ``` アップロードが完了すると、処理が自動的に開始されます。 #### タスクステータスをポーリングする 次の `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、画像ごとの概要と、解析中に発生した警告または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": [] } } ``` 画像ごとのエラーは最大 100 件、警告も最大 100 件報告されます。zip 内の動画と PDF は、未対応形式の警告として表示され、スキップされます。 #### 制限 * zip の最大サイズ：2 GB * zip あたりの最大ファイル数：10,000 #### エラー ``` - 400 - zip の形式が不正、またはサイズもしくはファイル数の上限を超えています。 - 401 - API キーがないか、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 を使用すると、画像や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。 データセットのアップロード方法を解説した動画を用意しています： {% embed url="" %} ### ディレクトリをアップロードする 次を使用します `roboflow image upload` にディレクトリパスを指定すると、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できます： ```bash roboflow image upload /path/to/dataset/folder -p PROJECT_ID ``` または、短縮エイリアスを使用します： ```bash roboflow upload /path/to/dataset/folder -p PROJECT_ID ``` CLI は、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検出します。ディレクトリを指定すると、 `--zip-upload`. #### を使用しない限り、画像ごとの並列アップロードによる一括インポートが実行されます。 | 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` | アップロードをグループ化するためのバッチ名 | | `-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` | アップロードするすべての画像の分割を上書きします | オプションを指定した例： ```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 より大きなデータセット、またはデータセットがすでに `.zip` ファイルとしてパッケージ化されている場合は、zip アップロードを使用します。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てから、処理が完了するまで待機します。 これは、 [REST API](#rest-api) で説明したものと同じフローです。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処理します。 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` をメインコマンドとともに使用します： ```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する | | `--no-wait` | 処理の完了を待たずに、zip のアップロード後すぐに返します | | `-b`, `--batch` | アップロードをグループ化するためのバッチ名 | | `-s`, `--split` | 分割を設定：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を指定した例： ```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、 `--is-prediction`はサポートされていません。予測のアップロードには、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。 ### サポートされるプロジェクトタイプ 次のプロジェクトタイプのデータをアップロードできます： * 物体検出 * 単一ラベル分類 * 複数ラベル分類 * 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 ### サポートされる data.yaml 形式 CLI は、データセットのアップロード時に `data.yaml` ファイル内の、リスト形式とキー・値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： ```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、 `--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) に接続すると、これらのツールで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、ラベルは別のステップで保存されます。
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対象外です。
image_upload_status画像 zip アップロードタスクのステータスを確認します。
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 * アノテーションのない画像にラベルを付け、トレーニングに使用できるようにします。 [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。 [データセットバージョンを作成する](/datasets/ja/bjon/dataset-versions/create-a-dataset-version.md).