> 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/toappurdo/create-a-project.md).

# Project を作成する

## 概要

モデルを学習する前に、Project を作成する必要があります。

Project には画像とアノテーションが含まれます。このデータは、データセットのバージョン、つまりデータのある時点のスナップショットに変換できます。バージョンは、その後モデルの学習に使用できます。

## Web アプリ

### Project を作成する

まず、Roboflow のダッシュボードに移動します。次に、「Create New Project」をクリックします:

<figure><img src="/files/b8653f7e9724f068081f16dd4681123197e259ef" alt=""><figcaption></figcaption></figure>

このページに移動すると、新しいプロジェクトを作成できます:

<figure><img src="/files/58b05f6a5aa7c109700a3ccabd1f630e73f02d66" alt=""><figcaption></figcaption></figure>

このページでは、次の項目を入力する必要があります:

1. **プロジェクトタイプ**.
   1. ***物体検出***: 画像内のオブジェクトの位置を見つけます。
   2. ***単一ラベル分類***: 限られたカテゴリのセットに基づいて、画像にラベルを付けます。
   3. ***マルチラベル分類***: 限られたカテゴリのセットに基づいて、画像に関連する任意の数のラベルを付けます。
   4. ***インスタンスセグメンテーション***: ピクセル単位で、画像内のオブジェクトの位置を見つけます。
   5. ***セマンティックセグメンテーション***: ピクセル単位で、画像内のオブジェクトの位置を見つけ、見つかった各オブジェクトに固有の参照を作成します。
   6. ***キーポイント検出***: 画像内のオブジェクトとそのキーポイントの位置を見つけます。一般に、オブジェクトの姿勢を判定するために使用されます。
2. **プロジェクト名:** プロジェクトの名前。
3. **アノテーショングループ:** 画像内で何を検出しているかを分類するラベル（例: 「チェスの駒」「車両」「欠陥」）。同じアノテーショングループを共有するプロジェクトは、クラス一覧とアノテーションも共有します。詳細は [アノテーショングループ](/datasets/ja/anotshon/annotation-groups.md) を参照してください。

これらの値を指定したら、フォームを送信してプロジェクトを作成します。

*別の種類のプロジェクトのサポートを希望する場合は、プロジェクトタイプのドロップダウンからそのオプションを選択して関心を示すことができます。*

{% hint style="info" %}
無料プランを利用している場合、データセットとモデルは [Roboflow Universe で利用可能です](/datasets/ja/universe/universe/what-is-roboflow-universe.md)。有料プランを利用している場合は、非公開プロジェクトを作成できます。非公開プロジェクトはあなたの Workspace からのみアクセスでき、公開されることはありません。
{% endhint %}

## HTTP API

<mark style="color:緑;">`POST`</mark> `/:workspace/projects`

Workspace 内にプロジェクトを作成します。

**リクエスト例**

```bash
curl -X POST "https://api.roboflow.com/my-workspace/projects?api_key=$ROBOFLOW_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "Sharks Dataset",
    "type": "object-detection",
    "annotation": "sharks",
    "license": "MIT"
  }'
```

**本文**

<table data-search="false"><thead><tr><th width="160">名前</th><th width="120">種類</th><th>説明</th><th data-type="checkbox">必須</th></tr></thead><tbody><tr><td><code>name</code></td><td>string</td><td>プロジェクトの表示名。URL のスラッグはこれから自動生成されます。</td><td>true</td></tr><tr><td><code>type</code></td><td>string</td><td>プロジェクトタイプ。以下のいずれかです: <code>object-detection</code>, <code>single-label-classification</code>, <code>multi-label-classification</code>, <code>instance-segmentation</code>, <code>semantic-segmentation</code>, <code>keypoint-detection</code>.</td><td>true</td></tr><tr><td><code>annotation</code></td><td>string</td><td>アノテーション - 何をラベル付けするかを表す名詞（例: <code>"sharks"</code>, <code>"defects"</code>).</td><td>true</td></tr><tr><td><code>license</code></td><td>string</td><td>プロジェクトのライセンス。すでに公開されていない Workspace では必須です。受け入れ可能な値: <code>パブリックドメイン</code>, <code>MIT</code>, <code>CC BY 4.0</code>, <code>BY-NC-SA 4.0</code>, <code>OBdL v1.0</code>, <code>Private</code> （有料プランのみ）。</td><td>false</td></tr><tr><td><code>group</code></td><td>string</td><td>このプロジェクトを配置するプロジェクトフォルダの ID。詳細は <a href="/pages/93de1cbc053678a533f43efabc528604cf70cd2f#http-api">プロジェクトフォルダの管理</a>.</td><td>false</td></tr></tbody></table>

**レスポンス例**

```json
{
    "id": "my-workspace/sharks-dataset",
    "type": "object-detection",
    "name": "Sharks Dataset",
    "created": 1688739471567,
    "updated": 1688739471567,
    "images": 0,
    "unannotated": 0,
    "annotation": "sharks",
    "versions": 0,
    "public": false,
    "splits": {},
    "colors": {},
    "classes": {},
    "icon": null
}
```

必要なスコープ: `project:create`.

## Python SDK

`Workspace.create_project()` は Workspace に新しいプロジェクトを作成し、 `Project` オブジェクトを返します。その後、そこに画像をアップロードできます。

```python
import roboflow

rf = roboflow.Roboflow(api_key="YOUR_API_KEY")

project = rf.workspace().create_project(
    project_name="Flower detector",
    project_type="object-detection",
    project_license="MIT",
    annotation="flowers",
)
print(project.id)
```

### パラメータ

* `project_name` (str) - 表示名。URL のスラッグはこれから自動生成されます。
* `project_type` (str) - 以下のいずれか:
  * `object-detection`
  * `single-label-classification`
  * `multi-label-classification`
  * `instance-segmentation`
  * `semantic-segmentation`
  * `keypoint-detection`
* `project_license` (str) - 次のように設定します `"Private"` 非公開プロジェクトの場合（有料プランのみ）。公開ライセンスの値には `"MIT"`, `"CC BY 4.0"`, `"Public Domain"`などがあります。完全な一覧は Web アプリのプロジェクト作成フォームを参照してください。
* `annotation` (str) - アノテーショングループ。何をラベル付けするかを表す名詞（`"flowers"`, `"vehicles"`, `"defects"`）。ラベリング UI のプロンプトで使用されます。

## CLI

コマンドラインから新しいプロジェクトを作成できます。

### コマンド

```bash
roboflow project create <name> --type <project-type>
```

#### オプション

| フラグ            | 説明                                |
| -------------- | --------------------------------- |
| `--type`       | プロジェクトタイプ（必須）。対応するタイプは下記を参照してください |
| `--license`    | プロジェクトのライセンス（任意）                  |
| `--annotation` | アノテーショングループ名（任意、デフォルトはプロジェクト名）    |

#### 対応プロジェクトタイプ

* `object-detection`
* `single-label-classification`
* `multi-label-classification`
* `instance-segmentation`
* `semantic-segmentation`
* `keypoint-detection`

### 例

オブジェクト検出プロジェクトを作成します:

```bash
roboflow project create my-detector --type object-detection
```

分類プロジェクトを作成します:

```bash
roboflow project create breed-classifier --type single-label-classification
```

### JSON出力

```bash
roboflow project create my-detector --type object-detection --json
```

```json
{
  "status": "created",
  "project": "my-detector",
  "type": "object-detection",
  "workspace": "my-workspace"
}
```

## 次のステップ

* プロジェクトに画像やその他のデータを追加します。詳細は [データを追加](/datasets/ja/toappurdo/adding-data.md).
* 画像にラベルを付けて、モデルの学習に使用できるようにします。詳細は [Roboflow Annotate の概要](/datasets/ja/anotshon/anotshon/annotation-tools.md).