> 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/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、画像と注釈からなる構造化データセットを Roboflow プロジェクトにアップロードします。 このページでは、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）の一括インポートについて、Python SDK、REST の zip エンドポイント、または CLI を使って説明します。API を通じて個別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()` 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/", # 構造化されたデータセット 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 ) ``` ### パラメーター * `dataset_path` (str) - データセットのルートへのパス。 * `project_name` (str) - 出力先プロジェクトの ID。存在しない場合は作成されます。 * `num_workers` (int、デフォルト `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 `"MIT"`) - 新しく作成されるプロジェクトのライセンス。次に設定: `"Private"` 非公開プロジェクト用。 * `project_type` (str、デフォルト `"object-detection"`) - 新しく作成されるプロジェクトの種類。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。ラベル付け作業の出所を追跡するのに便利です。 * `num_retries` (int、デフォルト `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`) - 次に設定: `True` アノテーションを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ップロードするには。 ### 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 はその画像をそのバッチのレビュー ジョブに移動します。ラベルが正解データになる前に、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 ``` 各画像が含まれるフォルダーが、その split を設定します。次の正確なフォルダー名のみが有効です: `train`, `training`, `valid`, `validation`, `val`, `test`、および `testing`。大文字小文字は区別されず、ファイル名は無視されるため、次のような名前の画像でも `test_image.jpg` test split には入りません。また、次のような名前のフォルダーでは `train2017` では split は設定されません。どのフォルダーにも一致しない場合、画像はアップロードのデフォルト split にフォールバックします。zip アップロードでは、それは `split` リクエスト内の値で、デフォルトは `train`. VOC では、対応する `.xml` ファイルを各画像と同じ場所に置きます。YOLO では、対応する `.txt` ファイルに加えて `data.yaml` クラス一覧を記述したものです。 ### SHA-256 による重複排除に関する注意（v1.3.6+） 〜以降、 `roboflow` 1.3.6 では、SDK は Pillow 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 アップローダーと同等になり、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るようになります。つまり、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。 ## REST API ### データセット ZIP をアップロード 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）非同期タスクを使って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 の処理中に HTTP 接続を開いたままにする必要はありません。API は ZIP を PUT するための署名付き URL を返し、さらに `taskId` ステータスをポーリングします。 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ている任意の形式（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 1. `POST /:workspace/:project/upload/zip` 署名付き URL と `taskId`. 2. `PUT` ZIP を署名付き URL に直接送信します。 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 送信する `POST` へ `/: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=$ROBOFLOW_API_KEY" \ -H "Content-Type: application/json" \ -d '{"split": "train", "batchName": "my-batch"}' ``` **ボディ パラメータ** ``` - split (string, optional) - train、valid、test のいずれか。デフォルトは train。 - batchName (string, optional) - アップロードした画像をこの名前のバッチにまとめます。 - annotationOverwrite (boolean, optional) - すでにプロジェクトにある画像のアノテーションを置き換えます。デフォルトは false。 ``` デフォルトでは、すでにプロジェクトにある画像は既存のアノテーションを保持し、ZIP 内のその画像に対するアノテーションはスキップされます。 `annotationOverwrite` へ `true` で置き換えます。分類プロジェクトは常にラベルを置き換えるため、デフォルトは無視され、 `annotationOverwrite: false` 400 を返して拒否します。 アノテーションを含む ZIP は、次の名前の 1 つのアノテーション ジョブに入ります: `batchName`、または指定しない場合は "Uploaded via API" になります。名前を再利用しても、アップロードごとに個別のジョブが作成されます。ワークスペースで [レビュー モード](/datasets/ja/zhu-shi/zhu-shi/team-collaboration.md#review-mode) が有効な場合、画像はレビューで待機し、レビュー担当者が承認するとデータセットに追加されます。 **レスポンス** ```json { "taskId": "abc123", "signedUrl": "https://storage.googleapis.com/...", "url": "https://api.roboflow.com/my-workspace/upload/zip/abc123" } ``` #### ZIP をアップロード `PUT` ZIP ファイルを返された `signedUrl`。Content-Type は次でなければなりません: `application/zip`. ```bash curl -X PUT "$SIGNED_URL" \ -H "Content-Type: application/zip" \ --upload-file ./my-dataset.zip ``` アップロードが完了すると自動的に処理が開始されます。 #### タスクのステータスをポーリング 送信する `GET` へ `/: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、画像ごとの要約と、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 件まで報告されます。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 を使用して、画像および/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。 データセットのアップロード方法を解説する動画をご用意しました: {% embed url="" %} ### ディレクトリをアップロード 使用方法 `roboflow image upload` ディレクトリパスを指定して、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` ファイルである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 より大きなデータセットや、データセットがすでに 1 つの `.zip` ファイル。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 が 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、次で説明されているものと同じフローです: [REST API](#rest-api) 上記の通り、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` 次の主要コマンドを使います: ```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、処理の完了を待たずにすぐ戻ります | | `-b`, `--batch` | アップロードをまとめるバッチ名 | | `-s`, `--split` | split の設定: train、valid、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、タスク ID をすぐに返すには: ```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。 ### 対応す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: * 物体検出 * シングルラベル分類 * 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、次の形式の data.yaml にあるクラス名マッピングとして、リスト形式とキーと値のペア形式の両方をサポートします: `data.yaml` ファイルをデータセットのアップロード時に使用できます: ```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、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) また、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 2 段階目で保存されます。
ツール説明
image_uploadローカルの画像ファイルを ZIP 経由で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ステータスを確認します。
annotations_saveすでにアップロードされている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て、学習に使用できるようにします。参照: [Roboflow Annotate の紹介](/datasets/ja/zhu-shi/zhu-shi/annotation-tools.md). * 画像を学習可能なスナップショットに変換します。参照: [データセット バージョンを作成](/datasets/ja/bjon/dataset-versions/create-a-dataset-version.md).