> 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/roboflow/roboflow-jp/datasets/adding-data/roboflow-universe.md).

# Roboflow Universe からインポートする

Roboflow Universe には、コンピュータビジョン向けのオープンソースの Dataset と事前学習済みモデルが公開されています。200,000件以上の Dataset と50,000件の事前学習済みモデルが利用可能です。Universe の画像を Dataset に追加する方法は2つあります。Dataset 全体をダウンロードするか、Roboflow Universe から選択した画像をクローンして、プロジェクトで使用できます。

### 完全な Dataset をダウンロード

まず、Roboflow Universe で Dataset を見つけます。次に、 `Dataset をダウンロード` ボタンをクリックします。データをどの形式でエクスポートするかを尋ねるポップアップが表示されます。表示されるオプションは、そのモデルが解決するコンピュータビジョンタスク（object detection、classification、segmentation）に対応した形式です。

<figure><img src="/files/567c31fc51f3744ff74d1af1a2ce5f6e92ddc34a" alt=""><figcaption></figcaption></figure>

ZIP ファイルをエクスポートして Roboflow Universe から Dataset を直接ダウンロードすることも、Dataset をダウンロードするために使えるコードスニペットを取得することもできます。提供されるコードスニペットは、Notebook で Dataset を使用している場合に便利です。

### 画像をあなたの Roboflow Project にクローン <a href="#clone-images-to-your-roboflow-project" id="clone-images-to-your-roboflow-project"></a>

一度 [新しい Project を作成した](/roboflow/roboflow-jp/datasets/create-a-project.md) Roboflow アカウントで、次へ移動します [Roboflow Universe](https://universe.roboflow.com/?ref=blog.roboflow.com) そして [Dataset Search](https://blog.roboflow.com/dataset-search/) を使って、ユースケースに合う画像を含む Project を見つけます。

条件に合う画像やアノテーションを含む Project が見つかったら、Images page を開いてクローンする画像を選択します。個別の画像は、画像にマウスオーバーして右上のチェックボックスをクリックすると選択できます。画像をまとめて追加するには、Select All をクリックして、現在の結果ページに表示されているすべての画像をクローンできます。

<figure><img src="https://blog.roboflow.com/content/images/2022/10/Screen-Shot-2022-10-13-at-4.35.34-PM.webp" alt="" width="563"><figcaption><p>Project にクローンする画像を選択</p></figcaption></figure>

Project にクローンしたい画像を選択したら、Clone Images をクリックして、その Project を含む Workspace を選択します。

<figure><img src="https://blog.roboflow.com/content/images/2022/10/Screen-Shot-2022-10-13-at-4.35.54-PM.webp" alt="" width="563"><figcaption><p>Project を見つけるために Workspace を選択</p></figcaption></figure>

Workspace を選択し、次に画像を Dataset に追加する Project を選択します。

<figure><img src="https://blog.roboflow.com/content/images/2022/10/Screen-Shot-2022-10-13-at-4.36.09-PM.webp" alt="" width="563"><figcaption><p>特定の Project に画像をクローン</p></figcaption></figure>

画像を Project にクローンする際、アノテーションありでもなしでも画像をインポートできます。Dataset に画像をクローンする場合、augmentation が施された画像は含まれず、 [独自の augmentation を適用する](https://blog.roboflow.com/boosting-image-detection-performance-with-data-augmentation/) Dataset を生成するときに。

<figure><img src="https://blog.roboflow.com/content/images/2022/10/Screen-Shot-2022-10-13-at-4.36.18-PM.webp" alt="" width="563"><figcaption><p>アノテーションあり／なしで画像をクローン</p></figcaption></figure>

raw images（アノテーションのない画像）をインポートするのは、次のような場合に便利です：

* 関心のあるオブジェクトを含む画像は見つかるものの、アノテーションが、モデルに識別させたいオブジェクトに焦点を当てていない場合
* classification Dataset は見つかるが、Project では bounding boxes が必要な場合
* を使いたいが [polygon annotations](https://blog.roboflow.com/automated-polygon-labeling-computer-vision/) しかし Project には bounding boxes がある場合

{% hint style="success" %}
Roboflow は、既に存在する画像を追加しようとしているかどうかを確認します。ご安心ください。重複した画像を追加することはできません。
{% endhint %}

#### 必要なデータを見つけるための高度なヒント <a href="#advanced-tips-to-find-the-data-you-need" id="advanced-tips-to-find-the-data-you-need"></a>

使用 [Dataset Search](https://blog.roboflow.com/dataset-search/) モデルを fine tune するために必要なデータを正確に見つけるために役立ちます。たとえば、私たちの rust detection model がパイプ上の rust の検出に苦戦しているなら、Dataset に追加するためにパイプの画像をもっと見つけたいはずです。Projects や Roboflow Universe 全体で使える豊富な semantic search を使えば、必要なニッチなデータを見つけられます。

research datasets 内で Dataset Search を使うと、かなり適切にラベル付けされた大量のデータを素早く集められ、モデルの立ち上げに役立ちます。

特定のデータを見つける別の方法は、 [Health Check page](https://docs.roboflow.com/dataset-health-check?ref=blog.roboflow.com) で特定の class をクリックすることです。すると、その class で絞り込まれた Images page に移動し、結果の上部に表示されます。

Roboflow Universe で必要なデータが見つからない場合は、いつでも [API を使って独自のデータをアップロードするか](https://docs.roboflow.com/developer/images/upload-images) または YouTube を使用して[ 動画を training data として使えます](https://blog.roboflow.com/youtube-video-computer-vision/).