> 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/workflows/ja/burokku/blocks/data-storage/roboflow-dataset-upload.md). # Roboflowデータセットアップロード ## v2 画像とモデル予測をRoboflowデータセットにアップロードし、アクティブラーニング、モデル改善、データ収集に活用します。使用クォータ、確率的サンプリング、バッチ整理、画像圧縮、任意のアノテーション永続化を設定できます。 ## このブロックの仕組み このブロックは、保存、ラベリング、モデル学習のためにワークフローの画像と予測をRoboflowデータセットへアップロードします。このブロックは次を行います： 1. 画像と、任意のモデル予測（物体検出、インスタンスセグメンテーション、キーポイント検出、または分類）を入力として受け取ります 2. Roboflow APIキーが利用可能であることを検証します（アップロードに必須） 3. data\_percentage に基づいて確率的サンプリングを適用します `data_percentage` 設定に基づき、アップロードする入力の割合をランダムに選択します（例：50%ならデータの半分、100%ならすべてをアップロード） 4. 使用クォータ（分単位、時間単位、日単位の上限）を確認し、アクティブラーニング戦略のためのアップロードが設定されたレート制限内に収まるようにします 5. 画像が最大サイズを超える場合はリサイズ（アスペクト比を維持）し、指定した品質レベルまで圧縮して、アップロードできるように準備します 6. プレフィックスとバッチ作成頻度（なし、毎日、毎週、毎月）に基づいてラベリングバッチ名を生成し、アップロードされたデータをバッチに整理します 7. モデル予測をアノテーションとして保存します。もし `persist_predictions` が有効な場合、予測をレビューと修正のための事前ラベルとして使用できるようにします 8. 画像に登録タグを付与し、Roboflowプラットフォームでの整理とフィルタリングに役立てます 9. 画像（および有効な場合はアノテーション）を、Roboflow API経由で指定のRoboflowプロジェクトに登録します 10. 次に基づいて同期または非同期で実行します `fire_and_forget` 設定により、ブロックしないアップロードが可能になり、より高速なワークフロー実行を実現します 11. アップロードの成功、失敗、またはサンプリングによるスキップを示すエラー状態とメッセージを返します このブロックは、過剰なデータ収集を防ぐ使用クォータを実装することでアクティブラーニングのワークフローをサポートし、レート制限内で価値の高い学習データの収集に集中できるようにします。確率的サンプリング機能（v2で新規追加）により、アップロード対象データの一部をランダムにサンプルでき、すべてのデータではなく代表的なサンプルを収集したい場合に、コスト効率の高いデータ収集戦略を実現できます。画像はラベリングバッチに整理され、日次・週次・月次のスケジュールで自動再作成できるため、収集データを長期的に管理・確認しやすくなります。このブロックは非同期実行のための投げっぱなしモードで動作でき、アップロード完了を待たずにワークフローの処理を継続することも、デバッグやエラー処理のために同期的に動作することも可能です。 ## バージョンの違い（v2 vs v1） **v2の新機能：** * **確率的データサンプリング**：追加 `data_percentage` （0〜100%）のパラメータで、アップロード用データのランダムサンプリングを有効にします。これにより、ワークフロー入力の一部だけをアップロードできます（例：25%なら4枚に1枚をサンプル）。保存とアノテーションのコストを削減しつつ、代表的なデータを収集できます。サンプリングでアップロードがスキップされた場合、このブロックはスキップを示すメッセージを返します。 * **改善されたデフォルト設定**: * `max_image_size` デフォルトが (512, 512) から (1920, 1080) に引き上げられ、高解像度のデータ収集が可能になりました * `compression_level` デフォルトが 75 から 95 に引き上げられ、画像品質の保持が向上しました **動作の変更：** * デフォルトでは、 `data_percentage` は100に設定されているため、サンプリングを明示的に設定しない限り、v2はv1と同じ動作になります * このブロックは現在、クォータ確認と画像準備の前に確率的サンプリングを使用し、計算負荷の高い処理の前に効率よくフィルタリングできます ## 要件 **APIキーが必要**：このブロックでデータをアップロードするには、有効なRoboflow APIキーが必要です。APIキーは環境またはワークフロー設定で構成する必要があります。APIキーの取得方法については、 を参照してください。 ## 一般的な使用例 * **アクティブラーニングのデータ収集**：モデルが苦戦している、または不確実な本番環境から画像と予測を収集します（例：信頼度の低い検出、エッジケース）。再学習用の難しい例を集めることで、反復的なモデル改善を可能にします * **確率的データサンプリング**: `data_percentage` アップロード対象データの一部をランダムにサンプリングします（例：全検出の20%、信頼度の低いケースの50%をアップロード）。これにより、代表性を保ちながら保存とアノテーションのオーバーヘッドを削減する、コスト効率の高いデータ収集戦略が可能になります * **本番データのログ記録**：本番推論データをRoboflowデータセットへ継続的にアップロードし、監視、分析、将来のモデル学習に活用します。実運用のデプロイから増え続けるデータセットを作成できます * **事前ラベル付きデータ収集**：モデル予測を事前ラベルとして画像をアップロードします（ `persist_predictions` が有効な場合）、最初のラベルを提供して注釈ワークフローを高速化します。ゼロから作成するのではなく、レビューして修正できます * **層化データサンプリング**：確率的サンプリングをレート制限とクォータと組み合わせ、特定の条件に基づいてデータを選択的に収集します（例：フィルタを通過した検出の30%をサンプル）。保存やアノテーションのリソースを圧迫せず、多様でバランスの取れたデータセット収集を実現します * **バッチベースのラベリングワークフロー**：アップロードされたデータを、自動再作成スケジュール（日次、週次、月次）付きのバッチに整理します。ラベリング作業の管理、進捗追跡、継続的なデータ収集の整理が容易になります ## 他のブロックへの接続 このブロックはワークフローステップからデータを受け取り、Roboflowへアップロードします： * **検出または解析ブロックの後** （例：物体検出モデル、インスタンスセグメンテーションモデル、分類モデル、キーポイント検出モデル）を使って、予測付きの画像をアップロードします。モデル出力を含む推論データを収集し、アノテーションと再学習に活用することで、アクティブラーニングを可能にします * **フィルタリングまたは分析ブロックの後** （例：Detections Filter、Continue If、Overlap Filter）を使って、特定種類のデータのみを選択的にアップロードします（例：信頼度の低い検出、重なったオブジェクト、特定クラス）。価値の高いエッジケースや興味深いシナリオにデータ収集を集中できます * **レートリミッター系ブロックの後** （例：Rate Limiter）を使ってアップロード頻度を抑制し、使用クォータ内に収めます。レート制限を守り、過剰な保存容量の使用を防ぎながら、制御されたデータ収集を実現します * **画像入力または前処理ブロック** 生画像または処理済み画像（例：切り抜き、変換済み画像）を、予測なしでアップロードします。将来のラベリングや分析のための画像データ収集が可能になります * **条件付きワークフロー** フロー制御ブロック（例：Continue If）を使い、特定の条件が満たされた場合にのみデータをアップロードします（例：検出数がしきい値を超えたときだけアップロード、エラーや失敗のみアップロード）。ワークフローの状態に応じた選択的なデータ収集を可能にします * **バッチ処理ワークフロー** 複数の画像や予測が生成される場合に、ワークフロー出力をRoboflowデータセットへ一括アップロードでき、整理されたコスト効率の高いデータ収集が可能になります ### 型識別子 ステップで次の識別子を使用してください `"type"` フィールド： `roboflow_core/roboflow_dataset_upload@v2` ワークフローにこのブロックをステップとして追加するには。 ### プロパティ | **名前** | **型** | **説明** | 参照 | | --------------------------------------- | ----------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -- | | `name` | `str` | このステップの一意の識別子を入力してください。 | ❌ | | `対象プロジェクト` | `str` | アップロードされた画像とアノテーションが保存されるRoboflowプロジェクト識別子です。Roboflowワークスペース内の有効なプロジェクトである必要があります。プロジェクト名は直接指定するか、ワークフロー入力から参照できます。 | ✅ | | `data_percentage` | `float` | アップロード対象としてランダムサンプリングする入力データの割合（0.0〜100.0）です。これにより、一部の入力のみがアップロードされる確率的データ収集が可能になり、保存とアノテーションのコストを削減できます。例えば、25.0なら画像の約25%（平均して4枚に1枚）、50.0なら半分、100.0ならすべてをアップロードします（サンプリングなし）。ランダムサンプリングはクォータ確認と画像処理の前に行われるため、大規模なデータ収集ワークフローで効率的です。 | ✅ | | `minutely_usage_limit` | `整数` | このクォータで1分あたりに許可される画像アップロードの最大数です。アクティブラーニング用データ収集のレート制限を適用する使用クォータシステムの一部です。この上限を超えたアップロードは、過剰なデータ収集を防ぐためにスキップされます。hourly\_usage\_limit と daily\_usage\_limit と連携して、多段階のレート制限を提供します。注意：このクォータは data\_percentage による確率的サンプリングの後に確認されます。 | ❌ | | `hourly_usage_limit` | `整数` | このクォータで1時間あたりに許可される画像アップロードの最大数です。アクティブラーニング用データ収集のレート制限を適用する使用クォータシステムの一部です。この上限を超えたアップロードは、過剰なデータ収集を防ぐためにスキップされます。minutely\_usage\_limit と daily\_usage\_limit と連携して、多段階のレート制限を提供します。注意：このクォータは data\_percentage による確率的サンプリングの後に確認されます。 | ❌ | | `daily_usage_limit` | `整数` | このクォータで1日あたりに許可される画像アップロードの最大数です。アクティブラーニング用データ収集のレート制限を適用する使用クォータシステムの一部です。この上限を超えたアップロードは、過剰なデータ収集を防ぐためにスキップされます。minutely\_usage\_limit と hourly\_usage\_limit と連携して、多段階のレート制限を提供します。注意：このクォータは data\_percentage による確率的サンプリングの後に確認されます。 | ❌ | | `usage_quota_name` | `str` | 使用クォータ（分単位、時間単位、日単位の上限）を追跡するための一意の識別子です。複数のアップロード操作にまたがるレート制限を管理するために内部で使用されます。各一意のクォータ名は個別のカウンターを維持するため、異なるアップロード戦略やデータ収集ワークフローに独立したレート制限を設定できます。 | ❌ | | `max_image_size` | `Tuple[int, int]` | アップロードする画像の最大寸法（幅、高さ）です。これらの寸法を超える画像は、アップロード前にアスペクト比を保ったまま自動的にリサイズされます。デフォルトは (1920, 1080) で、高解像度のデータ収集に適しています。効率的な保存と高速なアップロードには小さいサイズ（例：(512, 512)）を、画質保持にはデフォルト値を使用してください。 | ❌ | | `compression_level` | `整数` | アップロードする画像のJPEG圧縮品質レベルです。1（最高圧縮、最小ファイルサイズ、低品質）から100（圧縮なし、最大ファイルサイズ、最高品質）までの範囲です。デフォルトは95で、画像品質の保持が向上します。高い値ほど画質は保たれますが、保存容量と帯域幅の使用量が増えます。一般的な値は70〜95で、品質とサイズのバランスが取れます。 | ❌ | | `registration_tags` | `List[str]` | Roboflowでアップロード画像の整理とフィルタリングのために付与するタグの一覧です。タグは静的な文字列（例：'location-florida'、'camera-1'）でも、ワークフロー入力からの動的な値でも構いません。タグは収集データの整理、Roboflow内での画像フィルタリング、データセット管理用メタデータの追加に役立ちます。タグが不要な場合は空リストでも構いません。 | ✅ | | `persist_predictions` | `bool` | True の場合、モデル予測は画像とともに Roboflow データセット内でアノテーション（事前ラベル）として保存されます。これにより予測がアノテーションの出発点として機能し、レビュー担当者はラベルをゼロから作成するのではなく修正または承認できます。False の場合、アノテーションなしで画像のみがアップロードされます。これを有効にすると、初期ラベルを提供することでアノテーション作業が高速化されます。 | ✅ | | `disable_sink` | `bool` | True の場合、このブロックの実行は無効化され、アップロードは行われません。これにより、ブロックをワークフローから削除せずにデータ収集を一時的に停止できます。テスト、デバッグ、条件付きデータ収集に便利です。無効化されている場合、シンクが無効であることを示すメッセージを返します。デフォルトは False（アップロード有効）です。 | ✅ | | `fire_and_forget` | `bool` | True の場合、アップロードは非同期（投げっぱなし）で実行され、ワークフローはアップロード完了を待たずに直ちに続行できます。これによりワークフロー性能は向上しますが、エラー処理はできません。False の場合、アップロードは同期的に実行され、完了までワークフローの実行をブロックし、適切なエラー処理と状態報告が可能になります。速度を優先する本番ワークフローでは非同期モード（True）を、デバッグやエラー処理が重要な場合は同期モード（False）を使用してください。 | ✅ | | `labeling_batch_prefix` | `str` | Roboflowでアップロード画像を整理するためのラベリングバッチ名を生成する際のプレフィックスです。バッチ再作成頻度とタイムスタンプを組み合わせて、'workflows\_data\_collector\_2024\_01\_15' のようなバッチ名を作成します。バッチは収集データのラベリング整理に役立ち、アップロード画像をグループ単位で管理・確認しやすくします。組織の命名規則に合わせてカスタマイズできます。 | ✅ | | `labeling_batches_recreation_frequency` | `str` | アップロード画像用の新しいラベリングバッチが自動作成される頻度です。オプション：'never'（すべての画像が同じバッチに入る）、'daily'（毎日新しいバッチ）、'weekly'（毎週新しいバッチ）、'monthly'（毎月新しいバッチ）。バッチのタイムスタンプは labeling\_batch\_prefix に追加され、固有のバッチ名が作られます。アップロードを時間ベースのバッチに自動整理することで、データセット管理が簡単になり、収集データを長期的に追跡・確認しやすくなります。 | ❌ | | `image_name` | `str` | アップロード画像の任意のカスタム名です。元のファイル名を保持したい場合や、Roboflowデータセット内で意味のある識別子（例：シリアル番号、タイムスタンプ）を使いたい場合に便利です。名前にファイル拡張子は含めないでください。指定しない場合は UUID が自動生成されます。 | ✅ | | `metadata` | `Dict[str, Union[bool, float, int, str]]` | アップロード画像に付与する任意のキー・バリューメタデータです。メタデータは Roboflow 上で画像の user\_metadata として保存され、フィルタリングや整理に使用できます。値は静的な文字列、数値、ブール値、またはワークフローの入力/ステップへの参照にできます。 | ✅ | この **参照** 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します `ワークフロー` 実行時。参照 *バインディング* 詳細は。 ### ランタイム互換性 `requires_internet` - エアギャップ／オフライン環境: このブロックは、完全にオフライン／エアギャップ環境から到達できないサービスに依存しています。 ### 入力と出力のバインディング 利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が `Roboflowデータセットアップロード` のバージョン `v2` あるか確認してください。
入力と出力のバインディング * 入力 * `images` ([*`image`*](/workflows/ja/gaido/developer-guide/kinds/image.md)）：Roboflowデータセットにアップロードする画像です。ワークフロー入力または処理ステップからの単一画像、あるいは画像のバッチを指定できます。画像は data\_percentage に基づいてランダムサンプリングされ、max\_image\_size を超える場合はリサイズされ、アップロード前に圧縮されます。バッチ処理に対応しています。 * `対象プロジェクト` ([*`roboflow_project`*](/workflows/ja/gaido/developer-guide/kinds/roboflow-project.md)）：アップロードされた画像とアノテーションが保存されるRoboflowプロジェクト識別子です。Roboflowワークスペース内の有効なプロジェクトである必要があります。プロジェクト名は直接指定するか、ワークフロー入力から参照できます。 * `predictions` (*Union\[*[*`object_detection_prediction`*](/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`classification_prediction`*](/workflows/ja/gaido/developer-guide/kinds/classification-prediction.md)*,* [*`instance_segmentation_prediction`*](/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*]*）：画像とあわせてアップロードする任意のモデル予測です。persist\_predictions が有効な場合、予測は Roboflow データセット内でアノテーション（事前ラベル）として保存され、レビューや修正の出発点として利用できます。物体検出、インスタンスセグメンテーション、キーポイント検出、分類の予測をサポートします。None の場合は画像のみがアップロードされます。 * `data_percentage` ([*`float`*](/workflows/ja/gaido/developer-guide/kinds/float.md)）：アップロード対象としてランダムサンプリングする入力データの割合（0.0〜100.0）です。これにより、一部の入力のみがアップロードされる確率的データ収集が可能になり、保存とアノテーションのコストを削減できます。例えば、25.0なら画像の約25%（平均して4枚に1枚）、50.0なら半分、100.0ならすべてをアップロードします（サンプリングなし）。ランダムサンプリングはクォータ確認と画像処理の前に行われるため、大規模なデータ収集ワークフローで効率的です。 * `registration_tags` (*Union\[*[*`list_of_values`*](/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)*,* [*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)*]*）：Roboflowでアップロード画像の整理とフィルタリングのために付与するタグの一覧です。タグは静的な文字列（例：'location-florida'、'camera-1'）でも、ワークフロー入力からの動的な値でも構いません。タグは収集データの整理、Roboflow内での画像フィルタリング、データセット管理用メタデータの追加に役立ちます。タグが不要な場合は空リストでも構いません。 * `persist_predictions` ([*`boolean`*](/workflows/ja/gaido/developer-guide/kinds/boolean.md)）：True の場合、モデル予測は画像とともに Roboflow データセット内でアノテーション（事前ラベル）として保存されます。これにより予測がアノテーションの出発点として機能し、レビュー担当者はラベルをゼロから作成するのではなく修正または承認できます。False の場合、アノテーションなしで画像のみがアップロードされます。これを有効にすると、初期ラベルを提供することでアノテーション作業が高速化されます。 * `disable_sink` ([*`boolean`*](/workflows/ja/gaido/developer-guide/kinds/boolean.md)）：True の場合、このブロックの実行は無効化され、アップロードは行われません。これにより、ブロックをワークフローから削除せずにデータ収集を一時的に停止できます。テスト、デバッグ、条件付きデータ収集に便利です。無効化されている場合、シンクが無効であることを示すメッセージを返します。デフォルトは False（アップロード有効）です。 * `fire_and_forget` ([*`boolean`*](/workflows/ja/gaido/developer-guide/kinds/boolean.md)）：True の場合、アップロードは非同期（投げっぱなし）で実行され、ワークフローはアップロード完了を待たずに直ちに続行できます。これによりワークフロー性能は向上しますが、エラー処理はできません。False の場合、アップロードは同期的に実行され、完了までワークフローの実行をブロックし、適切なエラー処理と状態報告が可能になります。速度を優先する本番ワークフローでは非同期モード（True）を、デバッグやエラー処理が重要な場合は同期モード（False）を使用してください。 * `labeling_batch_prefix` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)）：Roboflowでアップロード画像を整理するためのラベリングバッチ名を生成する際のプレフィックスです。バッチ再作成頻度とタイムスタンプを組み合わせて、'workflows\_data\_collector\_2024\_01\_15' のようなバッチ名を作成します。バッチは収集データのラベリング整理に役立ち、アップロード画像をグループ単位で管理・確認しやすくします。組織の命名規則に合わせてカスタマイズできます。 * `image_name` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)）：アップロード画像の任意のカスタム名です。元のファイル名を保持したい場合や、Roboflowデータセット内で意味のある識別子（例：シリアル番号、タイムスタンプ）を使いたい場合に便利です。名前にファイル拡張子は含めないでください。指定しない場合は UUID が自動生成されます。 * `metadata` ([*`*`*](/workflows/ja/gaido/developer-guide/kinds/wildcard.md)）：アップロード画像に付与する任意のキー・バリューメタデータです。メタデータは Roboflow 上で画像の user\_metadata として保存され、フィルタリングや整理に使用できます。値は静的な文字列、数値、ブール値、またはワークフローの入力/ステップへの参照にできます。 * 出力 * `error_status` ([`boolean`](/workflows/ja/gaido/developer-guide/kinds/boolean.md)) : ブールフラグ。 * `message` ([`string`](/workflows/ja/gaido/developer-guide/kinds/string.md)) : 文字列値。
JSON 定義の例 ```json { "name": "", "type": "roboflow_core/roboflow_dataset_upload@v2", "images": "$inputs.image", "target_project": "my_dataset", "predictions": "$steps.object_detection_model.predictions", "data_percentage": 100, "minutely_usage_limit": 10, "hourly_usage_limit": 10, "daily_usage_limit": 10, "usage_quota_name": "quota-for-data-sampling-1", "max_image_size": [ 1920, 1080 ], "compression_level": 95, "registration_tags": [ "location-florida", "factory-name", "$inputs.dynamic_tag" ], "persist_predictions": true, "disable_sink": true, "fire_and_forget": "", "labeling_batch_prefix": "my_labeling_batch_name", "labeling_batches_recreation_frequency": "never", "image_name": "serial_12345", "metadata": { "camera_id": "cam_01", "location": "$inputs.location" } } ```
## v1 画像とモデル予測をRoboflowデータセットにアップロードし、アクティブラーニング、モデル改善、データ収集に活用します。使用クォータ、バッチ整理、画像圧縮、任意のアノテーション永続化を設定できます。 ## このブロックの仕組み このブロックは、保存、ラベリング、モデル学習のためにワークフローの画像と予測をRoboflowデータセットへアップロードします。このブロックは次を行います： 1. 画像と、任意のモデル予測（物体検出、インスタンスセグメンテーション、キーポイント検出、または分類）を入力として受け取ります 2. Roboflow APIキーが利用可能であることを検証します（アップロードに必須） 3. 使用クォータ（分単位、時間単位、日単位の上限）を確認し、アクティブラーニング戦略のためのアップロードが設定されたレート制限内に収まるようにします 4. 画像が最大サイズを超える場合はリサイズ（アスペクト比を維持）し、指定した品質レベルまで圧縮して、アップロードできるように準備します 5. プレフィックスとバッチ作成頻度（なし、毎日、毎週、毎月）に基づいてラベリングバッチ名を生成し、アップロードされたデータをバッチに整理します 6. モデル予測をアノテーションとして保存します。もし `persist_predictions` が有効な場合、予測をレビューと修正のための事前ラベルとして使用できるようにします 7. 画像に登録タグを付与し、Roboflowプラットフォームでの整理とフィルタリングに役立てます 8. 画像（および有効な場合はアノテーション）を、Roboflow API経由で指定のRoboflowプロジェクトに登録します 9. 次に基づいて同期または非同期で実行します `fire_and_forget` 設定により、ブロックしないアップロードが可能になり、より高速なワークフロー実行を実現します 10. アップロードの成功または失敗を示すエラー状態とメッセージを返します このブロックは、過剰なデータ収集を防ぐ使用クォータを実装することでアクティブラーニングのワークフローをサポートし、レート制限内で価値の高い学習データの収集に集中できるようにします。画像はラベリングバッチに整理され、日次・週次・月次のスケジュールで自動再作成できるため、収集データを長期的に管理・確認しやすくなります。このブロックは非同期実行のための投げっぱなしモードで動作でき、アップロード完了を待たずにワークフローの処理を継続することも、デバッグやエラー処理のために同期的に動作することも可能です。 ## 要件 **APIキーが必要**：このブロックでデータをアップロードするには、有効なRoboflow APIキーが必要です。APIキーは環境またはワークフロー設定で構成する必要があります。APIキーの取得方法については、 を参照してください。 ## 一般的な使用例 * **アクティブラーニングのデータ収集**：モデルが苦戦している、または不確実な本番環境から画像と予測を収集します（例：信頼度の低い検出、エッジケース）。再学習用の難しい例を集めることで、反復的なモデル改善を可能にします * **本番データのログ記録**：本番推論データをRoboflowデータセットへ継続的にアップロードし、監視、分析、将来のモデル学習に活用します。実運用のデプロイから増え続けるデータセットを作成できます * **事前ラベル付きデータ収集**：モデル予測を事前ラベルとして画像をアップロードします（ `persist_predictions` が有効な場合）、最初のラベルを提供して注釈ワークフローを高速化します。ゼロから作成するのではなく、レビューして修正できます * **層化データサンプリング**：レート制限とクォータを使って、特定の条件に基づきデータを選択的に収集します（例：Rate Limiter または Continue If ブロックと組み合わせる）。保存やアノテーションのリソースを圧迫せず、多様でバランスの取れたデータセット収集を実現します * **バッチベースのラベリングワークフロー**：アップロードされたデータを、自動再作成スケジュール（日次、週次、月次）付きのバッチに整理します。ラベリング作業の管理、進捗追跡、継続的なデータ収集の整理が容易になります * **タグ付きデータ整理**：アップロード画像にメタデータタグ（例：場所、カメラID、期間、モデルバージョン）を付与し、Roboflowで収集データのフィルタリングと整理を可能にして、より良いデータセット管理と分析を実現します ## 他のブロックへの接続 このブロックはワークフローステップからデータを受け取り、Roboflowへアップロードします： * **検出または解析ブロックの後** （例：物体検出モデル、インスタンスセグメンテーションモデル、分類モデル、キーポイント検出モデル）を使って、予測付きの画像をアップロードします。モデル出力を含む推論データを収集し、アノテーションと再学習に活用することで、アクティブラーニングを可能にします * **フィルタリングまたは分析ブロックの後** （例：Detections Filter、Continue If、Overlap Filter）を使って、特定種類のデータのみを選択的にアップロードします（例：信頼度の低い検出、重なったオブジェクト、特定クラス）。価値の高いエッジケースや興味深いシナリオにデータ収集を集中できます * **レートリミッター系ブロックの後** （例：Rate Limiter）を使ってアップロード頻度を抑制し、使用クォータ内に収めます。レート制限を守り、過剰な保存容量の使用を防ぎながら、制御されたデータ収集を実現します * **画像入力または前処理ブロック** 生画像または処理済み画像（例：切り抜き、変換済み画像）を、予測なしでアップロードします。将来のラベリングや分析のための画像データ収集が可能になります * **条件付きワークフロー** フロー制御ブロック（例：Continue If）を使い、特定の条件が満たされた場合にのみデータをアップロードします（例：検出数がしきい値を超えたときだけアップロード、エラーや失敗のみアップロード）。ワークフローの状態に応じた選択的なデータ収集を可能にします * **バッチ処理ワークフロー** 複数の画像や予測が生成される場合に、ワークフロー出力をRoboflowデータセットへ一括アップロードでき、整理されたデータ収集と管理が可能になります ### 型識別子 ステップで次の識別子を使用してください `"type"` フィールド： `roboflow_core/roboflow_dataset_upload@v1` ワークフローにこのブロックをステップとして追加するには。 ### プロパティ | **名前** | **型** | **説明** | 参照 | | --------------------------------------- | ----------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -- | | `name` | `str` | このステップの一意の識別子を入力してください。 | ❌ | | `対象プロジェクト` | `str` | アップロードされた画像とアノテーションが保存されるRoboflowプロジェクト識別子です。Roboflowワークスペース内の有効なプロジェクトである必要があります。プロジェクト名は直接指定するか、ワークフロー入力から参照できます。 | ✅ | | `minutely_usage_limit` | `整数` | このクォータで1分あたりに許可される画像アップロードの最大数です。アクティブラーニング用データ収集のレート制限を適用する使用クォータシステムの一部です。この上限を超えたアップロードは、過剰なデータ収集を防ぐためにスキップされます。hourly\_usage\_limit と daily\_usage\_limit と連携して、多段階のレート制限を提供します。 | ❌ | | `hourly_usage_limit` | `整数` | このクォータで1時間あたりに許可される画像アップロードの最大数です。アクティブラーニング用データ収集のレート制限を適用する使用クォータシステムの一部です。この上限を超えたアップロードは、過剰なデータ収集を防ぐためにスキップされます。minutely\_usage\_limit と daily\_usage\_limit と連携して、多段階のレート制限を提供します。 | ❌ | | `daily_usage_limit` | `整数` | このクォータで1日あたりに許可される画像アップロードの最大数です。アクティブラーニング用データ収集のレート制限を適用する使用クォータシステムの一部です。この上限を超えたアップロードは、過剰なデータ収集を防ぐためにスキップされます。minutely\_usage\_limit と hourly\_usage\_limit と連携して、多段階のレート制限を提供します。 | ❌ | | `usage_quota_name` | `str` | 使用クォータ（分単位、時間単位、日単位の上限）を追跡するための一意の識別子です。複数のアップロード操作にまたがるレート制限を管理するために内部で使用されます。各一意のクォータ名は個別のカウンターを維持するため、異なるアップロード戦略やデータ収集ワークフローに独立したレート制限を設定できます。 | ❌ | | `max_image_size` | `Tuple[int, int]` | アップロードする画像の最大寸法（幅、高さ）です。これらの寸法を超える画像は、アップロード前にアスペクト比を保ったまま自動的にリサイズされます。小さいサイズは保存容量と帯域幅を削減しますが、画質が低下する可能性があります。高解像度のデータ収集には大きいサイズ（例：(1920, 1080)）を、効率的な保存と高速なアップロードには小さいサイズ（例：(512, 512)）を使用してください。 | ❌ | | `compression_level` | `整数` | アップロードする画像のJPEG圧縮品質レベルです。1（最高圧縮、最小ファイルサイズ、低品質）から100（圧縮なし、最大ファイルサイズ、最高品質）までの範囲です。高い値ほど画質は保たれますが、保存容量と帯域幅の使用量が増えます。一般的な値は70〜90で、品質とサイズのバランスが取れます。デフォルトの75は、妥当なファイルサイズで良好な画質を提供します。 | ❌ | | `registration_tags` | `List[str]` | Roboflowでアップロード画像の整理とフィルタリングのために付与するタグの一覧です。タグは静的な文字列（例：'location-florida'、'camera-1'）でも、ワークフロー入力からの動的な値でも構いません。タグは収集データの整理、Roboflow内での画像フィルタリング、データセット管理用メタデータの追加に役立ちます。タグが不要な場合は空リストでも構いません。 | ✅ | | `persist_predictions` | `bool` | True の場合、モデル予測は画像とともに Roboflow データセット内でアノテーション（事前ラベル）として保存されます。これにより予測がアノテーションの出発点として機能し、レビュー担当者はラベルをゼロから作成するのではなく修正または承認できます。False の場合、アノテーションなしで画像のみがアップロードされます。これを有効にすると、初期ラベルを提供することでアノテーション作業が高速化されます。 | ❌ | | `disable_sink` | `bool` | True の場合、このブロックの実行は無効化され、アップロードは行われません。これにより、ブロックをワークフローから削除せずにデータ収集を一時的に停止できます。テスト、デバッグ、条件付きデータ収集に便利です。無効化されている場合、シンクが無効であることを示すメッセージを返します。デフォルトは False（アップロード有効）です。 | ✅ | | `fire_and_forget` | `bool` | True の場合、アップロードは非同期（投げっぱなし）で実行され、ワークフローはアップロード完了を待たずに直ちに続行できます。これによりワークフロー性能は向上しますが、エラー処理はできません。False の場合、アップロードは同期的に実行され、完了までワークフローの実行をブロックし、適切なエラー処理と状態報告が可能になります。速度を優先する本番ワークフローでは非同期モード（True）を、デバッグやエラー処理が重要な場合は同期モード（False）を使用してください。 | ✅ | | `labeling_batch_prefix` | `str` | Roboflowでアップロード画像を整理するためのラベリングバッチ名を生成する際のプレフィックスです。バッチ再作成頻度とタイムスタンプを組み合わせて、'workflows\_data\_collector\_2024\_01\_15' のようなバッチ名を作成します。バッチは収集データのラベリング整理に役立ち、アップロード画像をグループ単位で管理・確認しやすくします。組織の命名規則に合わせてカスタマイズできます。 | ✅ | | `labeling_batches_recreation_frequency` | `str` | アップロード画像用の新しいラベリングバッチが自動作成される頻度です。オプション：'never'（すべての画像が同じバッチに入る）、'daily'（毎日新しいバッチ）、'weekly'（毎週新しいバッチ）、'monthly'（毎月新しいバッチ）。バッチのタイムスタンプは labeling\_batch\_prefix に追加され、固有のバッチ名が作られます。アップロードを時間ベースのバッチに自動整理することで、データセット管理が簡単になり、収集データを長期的に追跡・確認しやすくなります。 | ❌ | | `image_name` | `str` | 指定された場合、この名前が自動生成された UUID の代わりに使用されます。元のファイル名を保持したい場合や、Roboflowデータセット内で意味のある識別子（例：シリアル番号、タイムスタンプ）を使いたい場合に便利です。名前にファイル拡張子は含めないでください。指定しない場合は UUID が自動生成されます。 | ✅ | この **参照** 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します `ワークフロー` 実行時。参照 *バインディング* 詳細は。 ### ランタイム互換性 `requires_internet` - エアギャップ／オフライン環境: このブロックは、完全にオフライン／エアギャップ環境から到達できないサービスに依存しています。 ### 入力と出力のバインディング 利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が `Roboflowデータセットアップロード` のバージョン `v1` あるか確認してください。
入力と出力のバインディング * 入力 * `image` ([*`image`*](/workflows/ja/gaido/developer-guide/kinds/image.md)）：Roboflowデータセットにアップロードする画像です。ワークフロー入力または処理ステップからの単一画像、あるいは画像のバッチを指定できます。画像は max\_image\_size を超える場合はリサイズされ、アップロード前に圧縮されます。バッチ処理に対応しています。 * `predictions` (*Union\[*[*`object_detection_prediction`*](/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`classification_prediction`*](/workflows/ja/gaido/developer-guide/kinds/classification-prediction.md)*,* [*`instance_segmentation_prediction`*](/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*]*）：画像とあわせてアップロードする任意のモデル予測です。persist\_predictions が有効な場合、予測は Roboflow データセット内でアノテーション（事前ラベル）として保存され、レビューや修正の出発点として利用できます。物体検出、インスタンスセグメンテーション、キーポイント検出、分類の予測をサポートします。None の場合は画像のみがアップロードされます。 * `対象プロジェクト` ([*`roboflow_project`*](/workflows/ja/gaido/developer-guide/kinds/roboflow-project.md)）：アップロードされた画像とアノテーションが保存されるRoboflowプロジェクト識別子です。Roboflowワークスペース内の有効なプロジェクトである必要があります。プロジェクト名は直接指定するか、ワークフロー入力から参照できます。 * `registration_tags` (*Union\[*[*`list_of_values`*](/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)*,* [*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)*]*）：Roboflowでアップロード画像の整理とフィルタリングのために付与するタグの一覧です。タグは静的な文字列（例：'location-florida'、'camera-1'）でも、ワークフロー入力からの動的な値でも構いません。タグは収集データの整理、Roboflow内での画像フィルタリング、データセット管理用メタデータの追加に役立ちます。タグが不要な場合は空リストでも構いません。 * `disable_sink` ([*`boolean`*](/workflows/ja/gaido/developer-guide/kinds/boolean.md)）：True の場合、このブロックの実行は無効化され、アップロードは行われません。これにより、ブロックをワークフローから削除せずにデータ収集を一時的に停止できます。テスト、デバッグ、条件付きデータ収集に便利です。無効化されている場合、シンクが無効であることを示すメッセージを返します。デフォルトは False（アップロード有効）です。 * `fire_and_forget` ([*`boolean`*](/workflows/ja/gaido/developer-guide/kinds/boolean.md)）：True の場合、アップロードは非同期（投げっぱなし）で実行され、ワークフローはアップロード完了を待たずに直ちに続行できます。これによりワークフロー性能は向上しますが、エラー処理はできません。False の場合、アップロードは同期的に実行され、完了までワークフローの実行をブロックし、適切なエラー処理と状態報告が可能になります。速度を優先する本番ワークフローでは非同期モード（True）を、デバッグやエラー処理が重要な場合は同期モード（False）を使用してください。 * `labeling_batch_prefix` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)）：Roboflowでアップロード画像を整理するためのラベリングバッチ名を生成する際のプレフィックスです。バッチ再作成頻度とタイムスタンプを組み合わせて、'workflows\_data\_collector\_2024\_01\_15' のようなバッチ名を作成します。バッチは収集データのラベリング整理に役立ち、アップロード画像をグループ単位で管理・確認しやすくします。組織の命名規則に合わせてカスタマイズできます。 * `image_name` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)）：指定された場合、この名前が自動生成された UUID の代わりに使用されます。元のファイル名を保持したい場合や、Roboflowデータセット内で意味のある識別子（例：シリアル番号、タイムスタンプ）を使いたい場合に便利です。名前にファイル拡張子は含めないでください。指定しない場合は UUID が自動生成されます。 * 出力 * `error_status` ([`boolean`](/workflows/ja/gaido/developer-guide/kinds/boolean.md)) : ブールフラグ。 * `message` ([`string`](/workflows/ja/gaido/developer-guide/kinds/string.md)) : 文字列値。
JSON 定義の例 ```json { "name": "", "type": "roboflow_core/roboflow_dataset_upload@v1", "image": "$inputs.image", "predictions": "$steps.object_detection_model.predictions", "target_project": "my_project", "minutely_usage_limit": 10, "hourly_usage_limit": 10, "daily_usage_limit": 10, "usage_quota_name": "quota-for-data-sampling-1", "max_image_size": [ 512, 512 ], "compression_level": 75, "registration_tags": [ "location-florida", "factory-name", "$inputs.dynamic_tag" ], "persist_predictions": true, "disable_sink": true, "fire_and_forget": true, "labeling_batch_prefix": "my_labeling_batch_name", "labeling_batches_recreation_frequency": "never", "image_name": "serial_12345" } ```