> 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).

# プロジェクトを作成する

ワークスペースにプロジェクトを作成します。

## 概要

モデルをトレーニングする前に、Project を作成する必要があります。

Project には画像または動画と、そのアノテーションが含まれます。このデータは、その後、データセットのバージョン、つまり時間の中で固定されたデータのスナップショットに変換できます。バージョンは、その後モデルのトレーニングに使用できます。

## Webアプリ

### Project を作成する

まず、Roboflow 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="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-7186a9c38343d572b4bece7298847e488f123a21%2FScreenshot%202024-07-10%20at%2009.58.35.png?alt=media" alt=""><figcaption></figcaption></figure>

新しいプロジェクトを作成できるページに移動します:

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-552cab182d697ac9d65712977d3f855f220efeb5%2FScreenshot%202024-07-10%20at%2009.59.17.webp?alt=media" alt=""><figcaption></figcaption></figure>

このページでは、以下を入力する必要があります:

1. **プロジェクトの種類**.
   1. ***Object Detection***: 画像内のオブジェクトの位置を見つけます。
   2. ***Single-Label Classification***: 限られたカテゴリの中から、画像にラベルを 1 つ割り当てます。
   3. ***Multi-Label Classification***: 限られたカテゴリの中から、画像に関連する任意の数のラベルを割り当てます。
   4. ***Instance Segmentation***: 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. ***Action Recognition***: 箱を開けるなど、動画内の動作とその発生時刻を識別します。
   6. ***Semantic Segmentation***: 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。
   7. ***Keypoint Detection***: 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。一般的には、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です（例: 「chess pieces」「vehicles」「defects」）。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 [Annotation Groups](https://docs.roboflow.com/datasets/ja/zhu-shi/annotation-groups.md) をご覧ください。

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。

*別の種類のサポート対象プロジェクトを見たい場合は、プロジェクト種類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" %}
プライベートプロジェクトは公開一覧に表示されません [Roboflow Universe](https://docs.roboflow.com/datasets/ja/universe/universe/what-is-roboflow-universe.md)。 [プロジェクトのプライバシーを制御できます](https://docs.roboflow.com/datasets/ja/guan-li/make-a-project-public.md).
{% endhint %}

### Agent から Project を作成する

から Project を作成できます [Roboflow Agent](https://docs.roboflow.com/agents/roboflow-agent) チャットを離れずに。"+" タブを開き、「Create a New Asset」ページの「New Model」をクリックします。プロジェクト種類セレクターと他のフィールドを含む同じフォームが、タブ内に開きます。

Project が作成されると、そのタブはその Project のビューに切り替わります。

## HTTP API

プロジェクトは空の状態で始まります。次に、 [データを追加](https://docs.roboflow.com/datasets/ja/toappurdo/adding-data.md) します。フォルダ内にプロジェクトを作成するには、 [Project Folders](https://docs.roboflow.com/datasets/ja/guan-li/project-folders.md#http-api) からフォルダ ID を `group`.

{% openapi src="/files/639ab235c1712f1bb7dca2eb52d7e9d73b648e8c" path="/{workspace}/projects" method="post" %}
[create-a-project.yaml](https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-7b2d08cd6612be4c627da3b8928e2ef66f033b57%2Fcreate-a-project.yaml?alt=media)
{% endopenapi %}

## Python SDK

`Workspace.create_project()` はワークスペースに新しいプロジェクトを作成し、その後画像をアップロードできる `プロジェクト` オブジェクトを返します。

```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) - 表示名です。URL のスラッグはこれから自動生成されます。
* `project_type` (str) - 以下のいずれかです:
  * `object-detection`
  * `single-label-classification`
  * `multi-label-classification`
  * `instance-segmentation`
  * `semantic-segmentation`
  * `keypoint-detection`
* `project_license` (str) - 以下に設定します `"Private"` プライベートプロジェクトの場合。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: 何にラベルを付けるかを表す名詞（`"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`       | プロジェクト種類（必須）。対応している種類は以下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、既定値はプロジェクト名）      |

#### 対応するプロジェクト種類

* `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"
}
```

## 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) また、これらのツールでプロジェクトを作成および確認できます:

<table data-search="false"><thead><tr><th width="290">ツール</th><th>説明</th></tr></thead><tbody><tr><td><code>projects_create</code></td><td>新しいコンピュータビジョンプロジェクトを作成します。</td></tr><tr><td><code>projects_get</code></td><td>バージョン、クラス、分割、学習済みモデルを含むプロジェクトの詳細を取得します。</td></tr><tr><td><code>projects_list</code></td><td>ワークスペース内のプロジェクトを一覧表示します。</td></tr></tbody></table>

## 次のステップ

* 画像やその他のデータをプロジェクトに追加します。詳細は [データを追加](https://docs.roboflow.com/datasets/ja/toappurdo/adding-data.md).
* モデルのトレーニングに使えるように画像へラベルを付けます。詳細は [Roboflow Annotate の概要](https://docs.roboflow.com/datasets/ja/zhu-shi/zhu-shi/annotation-tools.md).
