> 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/reference/ja/glossary.md).

# 用語集

Workflows、Blocks、Kinds、デプロイオプションを含む Roboflow 用語集。

Roboflow のドキュメントでは、なじみのない可能性のあるいくつかの用語や専門用語が使われています。このページでは、Roboflow プラットフォームと [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

## API

ソフトウェアアプリケーション同士が通信できるようにするインターフェース。Roboflow API は、データセット、モデル、 [ワークフロー](https://docs.roboflow.com/workflows)、推論も含まれているため、パイプラインをプログラムで設定・実行できます。以下を参照してください [REST API リファレンス](/reference/ja/platform/rest-api.md).

## ブロック

～の基本単位 [ワークフロー](https://docs.roboflow.com/workflows)。ブロックは、モデル推論の実行、ロジックの実行、外部サービスとの連携など、特定のタスクを実行します。

## CLI

コマンドラインインターフェース。以下を参照してください [Roboflow CLI](/reference/ja/platform/cli.md) プラットフォーム操作には、また [Inference CLI](/reference/ja/inference/inference-cli.md) サーバーの起動、ベンチマークの実行、ワークフローの実行に使用します。

## クライアント

API とやり取りするソフトウェアアプリケーションまたはライブラリ。 [Inference SDK](/reference/ja/inference/inference-sdk.md) は、REST API をより使いやすいインターフェースに抽象化するクライアントです。

## 商用ライセンス

自分のコードをオープンソース化せずに、制限付きライセンスのモデルを商用製品で使用できるライセンスです。Inference 自体は Apache 2.0 を使用しています。Roboflow Cloud でのデプロイには、すべてのユーザー向けに、AGPL-3.0 の YOLO モデル（例: YOLO11、YOLO26）および PML 1.0 の RF-DETR モデル（XL および 2XL）の商用ライセンスが含まれます。セルフホスト型デプロイの場合、そのライセンスは Enterprise のアドオンです。以下を参照してください [モデルライセンス](https://docs.roboflow.com/models/model-licenses).

## 専有型

クラウドのコンピュートリソースが 1 人のユーザーまたは 1 つの組織に専用で割り当てられ、一貫したパフォーマンスを確保し、追加機能を有効にする構成です。稼働時間に基づいて課金されます。以下を参照してください [専有デプロイメント](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments).

## 定義

ワークフローの構造化された JSON 記述。ブロックの並び、入力パラメータ、レスポンス形式、任意のカスタムロジックを含みます。

## 動的ブロック

ワークフローの JSON 定義に含まれるカスタム Python コードを使用する Workflows ブロックで、実行時に高度なカスタマイズを可能にします。

## エンタープライズ

大規模組織向けのサービス階層で、強化された機能、拡張性、サポートを提供します。エンタープライズ向け Inference 機能のソースコードは `enterprise` リポジトリのフォルダにありますが、アクティブな Enterprise ライセンスがある場合にのみ使用できます。以下を参照してください [エンタープライズ デプロイメント](https://docs.roboflow.com/deployment/self-hosted/enterprise).

## 実行エンジン

ワークフローの実行、ブロックの実行管理、リソース割り当ての最適化を担うバックエンドシステム。

## ファインチューニング済みモデル

特定のデータセットで学習され、対象アプリケーションでの性能向上を図ったモデルです。たとえば、特定の自動車部品の傷を見つけるよう調整された「傷検出」モデルなどです。

## 基盤モデル

幅広いことについて幅広く知っている汎用モデルで、特定のデータセットでファインチューニングする必要は必ずしもなく、ゼロショットで使用できます。以下を参照してください [対応モデル](https://docs.roboflow.com/models/supported-models/supported-models).

## 種類

ワークフローで使用されるデータ型の分類。ワークフローブロックの入力および出力の Kind を定義すると、実行エンジンがデータと接続を検証、シリアライズ、最適化できるようになります。例としては次の Kind があります `検出` （物体検出モデルによる予測）、 `画像` （ピクセルとそのメタデータ）、そして `float_zero_to_one`.

## LMM

大規模マルチモーダルモデル: 画像やテキストなど複数のデータ型を処理するモデルです。例として Florence-2 や GPT-4o があります。

## マネージド

Roboflow のクラウド環境で実行されるデプロイで、スケーリングとインフラがサービスとして提供されます。自社インフラにソフトウェアをインストールし、セットアップと保守を自分で行うセルフホスト型とは対照的です。

## 従量課金

ワークフローの実行回数や処理した動画の時間数など、使用量指標に基づく課金方式です。Roboflow のクラウドサービスにアクセスするために API キーを必要とするモデルやワークフローは従量課金対象です。

## モデル

物体検出や分類などの推論タスクに使用される、学習済みの機械学習成果物です。アーキテクチャ（ResNet-32 など）と学習済み重みで構成されます。

## パラメータ

ワークフローへの入力です。画像のほか、文字列、数値、配列、オブジェクトなどのデータを指定できます。ブロックへの入力として使用されます。

## プラットフォーム

Roboflow のエコシステム全体。データの収集と整理、画像へのアノテーション、データセットの作成、モデルの学習、ワークフローの構築、デプロイの監視までを行うエンドツーエンドのツールを含みます。

## 事前学習済みモデル

Microsoft COCO のような汎用データセットで学習された重みを読み込んだモデルアーキテクチャです。ドメイン固有のデータセットで学習されたファインチューニング済みモデルとは対照的です。

## 公開

Roboflow エコシステム内のすべてのユーザーがアクセスできるデータセット、モデル、またはワークフローです。これらは次の場所で見つけたり共有したりできます [Roboflow Universe](https://docs.roboflow.com/datasets/universe/universe/what-is-roboflow-universe).

## スキーマ

ワークフローの入出力データの構造化された形式で、下流アプリケーションが渡し、解析する必要があるプロパティと型を定義します。

## SDK

ソフトウェア開発キット。使いやすい抽象化を用いて API と統合するためのツールとライブラリのセットです。以下を参照してください [Python SDK](/reference/ja/platform/python-sdk.md) および [Inference SDK](/reference/ja/inference/inference-sdk.md).

## サーバー

通常は Docker 経由でポート 9001 上で Inference HTTP インターフェースを実行しているデバイスです。以下を参照してください [セルフホスト型デプロイメント](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

## サーバーレス

リソースが需要に応じてスケールし、手動でのリソース管理を必要としない実行モデルです。専有型とは対照的です。使用量のみに基づいて課金されます。以下を参照してください [サーバーレスホスト型 API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api).

## 従来型 CV

機械学習モデルに依存せず、フィルタリングやエッジ検出などの従来のコンピュータビジョン技術を実装するワークフロー内のブロックです。

## Universe

他のユーザーによって公開共有され、Roboflow エコシステム内で利用できる、データセット、事前学習済みモデル、その他のリソースの大規模なコレクションです。以下を参照してください [Roboflow Universe](https://docs.roboflow.com/datasets/universe/universe/what-is-roboflow-universe).

## 重み

機械学習モデルの学習済みパラメータで、与えられた入力に対する予測を決定します。

## ワークフロー

定義された一連の操作を通じてデータを処理し、結果を生成するよう設計された、相互に接続されたブロックの系列です。モデルの連結、状態の保持、カスタムロジックの実行、外部システムとの統合に使用されます。以下を参照してください [ワークフロー](https://docs.roboflow.com/workflows).

## ワークスペース

Roboflow における共同作業環境で、ユーザーがデータセットを作成し、モデルを学習し、ワークフローを構築します。ワークスペースはデータのコンテナであり、シートと API キーを通じたアクセスを管理します。