Roboflowデータセットアップロード
画像と予測結果をRoboflowデータセットに保存します。
v2
アクティブラーニング、モデル改善、データ収集のために、画像とモデル予測を Roboflow データセットへアップロードします。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保持を設定できます。
このブロックの仕組み
このブロックは、ワークフローの画像と予測を保存、ラベル付け、モデル学習のために Roboflow データセットへアップロードします。このブロックは次のことを行います：
画像と、オプションのモデル予測（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
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）
以下に基づいて確率的サンプリングを適用します
data_percentage設定を使用して、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% ならデータの半分をアップロードし、100% ならすべてをアップロードします）使用クォータ（分毎、時間毎、日毎の上限）を確認し、アップロードがアクティブラーニング戦略の設定済みレート制限内に収まるようにします
最大サイズを超える場合はリサイズして（縦横比を維持）、指定の品質レベルまで圧縮することで画像を準備します
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
以下の場合、モデル予測をアノテーションとして任意で保存します
persist_predictionsが有効になっている場合、予測をレビューおよび修正のための事前ラベルとして使用できますRoboflow プラットフォーム内での整理とフィルタリングのために、画像に登録タグを付与します
Roboflow API を介して、画像（および有効な場合はアノテーション）を指定の Roboflow プロジェクトに登録します
以下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でワークフローをより高速に実行できます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ステータス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支援し、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）により、データの一部をランダムにサンプリングしてアップロードでき、すべてのデータではなく代表的なサンプルを集めたい場合に費用対効果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、スケジュール（毎日、毎週、毎月）に従って自動的に再作成できるため、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 fire-and-forget モードで動作して、アップロード完了を待たずにワークフローを処理し続けることも、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できます。
バージョンの違い（v2 と v1）
v2 の新機能：
確率的データサンプリング：追加
data_percentageデータのランダムサンプリングを有効にするパラメータ（0〜100%）を追加しました。これにより、ワークフロー入力の一部のみをアップロードできるようになり（例：25% は 4 枚に 1 枚をサンプリング）、代表的なデータを収集しつつ、保存とアノテーションのコストを削減できます。サンプリングによってアップロードがスキップされた場合は、その旨を示すメッセージが返されます。デフォルト設定の改善:
max_image_sizeのデフォルトを (512, 512) から (1920, 1080) に引き上げ、高解像度データの収集に対応compression_levelのデフォルトを 75 から 95 に引き上げ、画像品質の保持を改善
動作の変更：
既定では、
data_percentageが 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 と同じように動作しますこのブロックは、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するようになり、リソース消費の大きい処理の前に効率的なフィルタリングが可能になりました
要件
API キーが必要：このブロックは、データをアップロードするために有効な Roboflow API キーを必要とします。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、https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key 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：モデルが苦手とする、または不確実な本番環境（例：低信頼度の検出、エッジケース）から画像と予測を収集し、再学習のために難しい例を集めることで反復的にモデルを改善できます
確率的データサンプリング：Use
data_percentageデータの一部をランダムにサンプリングしてアップロードするため（例：全検出の 20% をアップロード、低信頼度ケースの 50% をアップロード）、保存とアノテーションのオーバーヘッドを削減しながらデータセットの多様性を維持できる、費用対効果の高いデータ収集戦略を実現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。実運用環境から成長し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とともにアップロードし（
persist_predictionsが有効な場合）、ゼロから作成するのではなく、レビューと修正が可能な初期ラベルを提供してアノテーション作業を高速化します層化データサンプリング：確率的サンプリングとレート制限およびクォータを組み合わせ、特定の基準に基づいて選択的にデータを収集します（例：フィルタを通過した検出の 30% をサンプル）。これにより、保存やアノテーションのリソースを圧迫せずに、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：自動再作成スケジュール（毎日、毎週、毎月）付きのバッチにアップロードデータを整理し、ラベリング作業の管理、進捗追跡、データ収集の長期的な整理を容易にします
他のブロックへの接続
このブロックはワークフローのステップからデータを受け取り、Roboflow にアップロードします：
検出または分析ブロックの後 （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）画像を予測結果とともにアップロードし、推論データとモデル出力を収集してアノテーションおよび再学習に活用することでアクティブラーニングを実現します
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）特定の種類のデータ（例：低信頼度の検出、重なり合うオブジェクト、特定クラス）だけを選択的にアップロードし、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させます
レート制限ブロックの後 （例：Rate Limiter）アップロード頻度を抑制して使用クォータ内に収め、レート制限を尊重しつつ過剰なストレージ使用を防ぐ、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 未加工画像または処理済み画像（例：切り出し、変換済み画像）を予測なしでアップロードし、将来のラベリングや分析のための画像データ収集を可能にします
条件付きワークフロー フロー制御ブロック（例：Continue If）を使用して、特定の条件が満たされたときだけデータをアップロードします（例：検出数が閾値を超えた場合のみアップロード、エラーや失敗のみアップロード）。これにより、ワークフローの状態に基づく選択的なデータ収集が可能になります
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るようにし、確率的サンプリングを用いた整理された費用対効果の高いデータ収集を実現します
種別識別子
ステップで次の識別子を使用します "type" フィールド: roboflow_core/roboflow_dataset_upload@v2 ワークフローにステップとしてブロックを追加するには。
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。
❌
target_project
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。Roboflow ワークスペース内で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ことも、ワークフロー入力から参照することもできます。。
✅
data_percentage
float
アップロードのためにランダムサンプリングする入力データの割合（0.0〜100.0）。これにより、入力の一部のみをアップロードす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。たとえば、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（サンプリングなし）をアップロードします。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、大規模データ収集ワークフローでも効率的です。。
✅
minutely_usage_limit
int
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。アクティブラーニングのデータ収集に対して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。これを超えるアップロードは、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 および daily_usage_limit と連携して、多段階のレート制限を提供します。注：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
int
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。アクティブラーニングのデータ収集に対して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。これを超えるアップロードは、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 および daily_usage_limit と連携して、多段階のレート制限を提供します。注：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
int
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。アクティブラーニングのデータ収集に対して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。これを超えるアップロードは、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 および hourly_usage_limit と連携して、多段階のレート制限を提供します。注：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（分毎、時間毎、日毎の上限）を追跡するための一意の識別子。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保持し、異なるアップロード戦略やデータ収集ワークフローごと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）。この寸法を超える画像は、アップロード前に縦横比を維持したまま自動的にリサイズされます。既定値は (1920, 1080) で、高解像度データの収集に適しています。効率的な保存と高速アップロードには小さいサイズ（例：(512, 512)）を使うか、画質を優先するなら既定値のままにしてください。。
❌
compression_level
int
アップロードする画像の JPEG 圧縮品質レベル。1（最高圧縮、最小ファイルサイズ、低画質）から 100（圧縮なし、最大ファイルサイズ、最高画質）までの範囲です。既定値は 95 で、画像品質の保持に優れています。値が高いほど画像品質は保たれますが、保存容量と帯域の使用量は増えます。一般的には 70〜95 が品質とサイズのバランスに適しています。。
❌
registration_tags
List[str]
Roboflow での整理とフィルタリングのためにアップロード画像へ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の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 データセットへアノテーション（事前ラベル）として保存されます。これにより、予測をアノテーションの出発点として使用でき、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 の場合は、画像のみがアノテーションなしでアップロードされます。これを有効にすると、初期ラベルを提供できるためアノテーション作業が高速化します。。
✅
disable_sink
bool
True の場合、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、ワークフローからブロックを削除せずに一時的にデータ収集を無効化でき、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は、sink が無効であることを示すメッセージを返します。既定値は 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（fire-and-forget モード）で実行され、アップロード完了を待たずにワークフローをすぐ続行できます。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ステータス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に使うプレフィックスです。バッチ再作成頻度やタイムスタンプと組み合わせて、'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をラベリング用に整理し、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
アップロード画像のために新しいラベリングバッチを自動作成する頻度です。選択肢は 'never'（すべての画像を同じバッチへ）、'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）です。バッチのタイムスタンプは labeling_batch_prefix に追加され、一意のバッチ名が作成されます。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、収集データの長期的な追跡と確認がしやすくなります。。
❌
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 上では画像の user_metadata として保存され、フィルタリングや整理に利用できます。値は静的な文字列、数値、真偽値、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用し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 詳細情報
ランタイム互換性
requires_internet - air-gapped / offline deployments : このブロックは、完全オフライン／エアギャップ環境からアクセスできないサービスに依存します。
入出力バインディング
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 持つか確認してください。
入出力バインディング
入力
画像(画像): Roboflow データセットにアップロードする画像。単一画像でも、ワークフロー入力や処理ステップからの画像バッチでもかまいません。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。。target_project(roboflow_project): 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。Roboflow ワークスペース内で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ことも、ワークフロー入力から参照することもできます。。predictions(Union[classification_prediction,instance_segmentation_prediction,keypoint_detection_prediction,object_detection_prediction]): 画像と一緒に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、アノテーションのレビューと修正の出発点として使用できます。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、分類の予測に対応しています。None の場合、画像のみがアップロードされます。。data_percentage(float): アップロードのためにランダムサンプリングする入力データの割合（0.0〜100.0）。これにより、入力の一部のみをアップロードす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。たとえば、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（サンプリングなし）をアップロードします。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、大規模データ収集ワークフローでも効率的です。。registration_tags(Union[list_of_values,string]): Roboflow での整理とフィルタリングのためにアップロード画像へ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のリストでも構いません。。persist_predictions(boolean): True の場合、モデル予測は画像とともに Roboflow データセットへアノテーション（事前ラベル）として保存されます。これにより、予測をアノテーションの出発点として使用でき、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 の場合は、画像のみがアノテーションなしでアップロードされます。これを有効にすると、初期ラベルを提供できるためアノテーション作業が高速化します。。disable_sink(boolean): True の場合、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、ワークフローからブロックを削除せずに一時的にデータ収集を無効化でき、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は、sink が無効であることを示すメッセージを返します。既定値は False（アップロード有効）です。。fire_and_forget(boolean): True の場合、アップロードは非同期（fire-and-forget モード）で実行され、アップロード完了を待たずにワークフローをすぐ続行できます。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ステータス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): 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に使うプレフィックスです。バッチ再作成頻度やタイムスタンプと組み合わせて、'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をラベリング用に整理し、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): 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(*): 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 上では画像の user_metadata として保存され、フィルタリングや整理に利用できます。値は静的な文字列、数値、真偽値、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。。
v1
アクティブラーニング、モデル改善、データ収集のために、画像とモデル予測を Roboflow データセットへアップロードします。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保持を設定できます。
このブロックの仕組み
このブロックは、ワークフローの画像と予測を保存、ラベル付け、モデル学習のために Roboflow データセットへアップロードします。このブロックは次のことを行います：
画像と、オプションのモデル予測（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
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）
使用クォータ（分毎、時間毎、日毎の上限）を確認し、アップロードがアクティブラーニング戦略の設定済みレート制限内に収まるようにします
最大サイズを超える場合はリサイズして（縦横比を維持）、指定の品質レベルまで圧縮することで画像を準備します
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
以下の場合、モデル予測をアノテーションとして任意で保存します
persist_predictionsが有効になっている場合、予測をレビューおよび修正のための事前ラベルとして使用できますRoboflow プラットフォーム内での整理とフィルタリングのために、画像に登録タグを付与します
Roboflow API を介して、画像（および有効な場合はアノテーション）を指定の Roboflow プロジェクトに登録します
以下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でワークフローをより高速に実行できますアップロードの成功または失敗を示すエラーステータス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支援し、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、スケジュール（毎日、毎週、毎月）に従って自動的に再作成できるため、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 fire-and-forget モードで動作して、アップロード完了を待たずにワークフローを処理し続けることも、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できます。
要件
API キーが必要：このブロックは、データをアップロードするために有効な Roboflow API キーを必要とします。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、https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key 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：モデルが苦手とする、または不確実な本番環境（例：低信頼度の検出、エッジケース）から画像と予測を収集し、再学習のために難しい例を集めることで反復的にモデルを改善できます
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。実運用環境から成長し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とともにアップロードし（
persist_predictionsが有効な場合）、ゼロから作成するのではなく、レビューと修正が可能な初期ラベルを提供してアノテーション作業を高速化し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用して、特定の基準に基づいて選択的にデータを収集します（例：Rate Limiter または Continue If ブロックと組み合わせる）。これにより、保存やアノテーションのリソースを圧迫せずに、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：自動再作成スケジュール（毎日、毎週、毎月）付きのバッチにアップロードデータを整理し、ラベリング作業の管理、進捗追跡、データ収集の長期的な整理を容易にします
タグ付きデータの整理：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のステップからデータを受け取り、Roboflow にアップロードします：
検出または分析ブロックの後 （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）画像を予測結果とともにアップロードし、推論データとモデル出力を収集してアノテーションおよび再学習に活用することでアクティブラーニングを実現します
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）特定の種類のデータ（例：低信頼度の検出、重なり合うオブジェクト、特定クラス）だけを選択的にアップロードし、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させます
レート制限ブロックの後 （例：Rate Limiter）アップロード頻度を抑制して使用クォータ内に収め、レート制限を尊重しつつ過剰なストレージ使用を防ぐ、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 未加工画像または処理済み画像（例：切り出し、変換済み画像）を予測なしでアップロードし、将来のラベリングや分析のための画像データ収集を可能にします
条件付きワークフロー フロー制御ブロック（例：Continue If）を使用して、特定の条件が満たされたときだけデータをアップロードします（例：検出数が閾値を超えた場合のみアップロード、エラーや失敗のみアップロード）。これにより、ワークフローの状態に基づく選択的なデータ収集が可能になります
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るようにし、整理されたデータ収集と管理を実現します
種別識別子
ステップで次の識別子を使用します "type" フィールド: roboflow_core/roboflow_dataset_upload@v1 ワークフローにステップとしてブロックを追加するには。
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。
❌
target_project
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。Roboflow ワークスペース内で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ことも、ワークフロー入力から参照することもできます。。
✅
minutely_usage_limit
int
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。アクティブラーニングのデータ収集に対して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。これを超えるアップロードは、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 および 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
int
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。アクティブラーニングのデータ収集に対して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。これを超えるアップロードは、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 および 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
int
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。アクティブラーニングのデータ収集に対して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。これを超えるアップロードは、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 および 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（分毎、時間毎、日毎の上限）を追跡するための一意の識別子。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保持し、異なるアップロード戦略やデータ収集ワークフローごと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）。この寸法を超える画像は、アップロード前に縦横比を維持し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を削減しますが、画像品質が低下する場合があります。高解像度データの収集には大きいサイズ（例：(1920, 1080)）を、効率的な保存と高速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
int
アップロードする画像の JPEG 圧縮品質レベル。1（最高圧縮、最小ファイルサイズ、低画質）から 100（圧縮なし、最大ファイルサイズ、最高画質）までの範囲です。値が高いほど画像品質は保たれますが、保存容量と帯域の使用量は増えます。一般的には 70〜90 が品質とサイズのバランスに適しています。既定値 75 は、適度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 での整理とフィルタリングのためにアップロード画像へ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の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 データセットへアノテーション（事前ラベル）として保存されます。これにより、予測をアノテーションの出発点として使用でき、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 の場合は、画像のみがアノテーションなしでアップロードされます。これを有効にすると、初期ラベルを提供できるためアノテーション作業が高速化します。。
❌
disable_sink
bool
True の場合、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、ワークフローからブロックを削除せずに一時的にデータ収集を無効化でき、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は、sink が無効であることを示すメッセージを返します。既定値は 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（fire-and-forget モード）で実行され、アップロード完了を待たずにワークフローをすぐ続行できます。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ステータス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に使うプレフィックスです。バッチ再作成頻度やタイムスタンプと組み合わせて、'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をラベリング用に整理し、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
アップロード画像のために新しいラベリングバッチを自動作成する頻度です。選択肢は 'never'（すべての画像を同じバッチへ）、'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）です。バッチのタイムスタンプは labeling_batch_prefix に追加され、一意のバッチ名が作成されます。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、収集データの長期的な追跡と確認がしやすくなります。。
❌
image_name
str
アップロード画像の任意のカスタム名です。指定した場合、この名前は自動生成された 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用し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 詳細情報
ランタイム互換性
requires_internet - air-gapped / offline deployments : このブロックは、完全オフライン／エアギャップ環境からアクセスできないサービスに依存します。
入出力バインディング
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 持つか確認してください。
入出力バインディング
入力
画像(画像): Roboflow データセットにアップロードする画像。単一画像でも、ワークフロー入力や処理ステップからの画像バッチでもかまいません。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[classification_prediction,instance_segmentation_prediction,keypoint_detection_prediction,object_detection_prediction]): 画像と一緒に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、アノテーションのレビューと修正の出発点として使用できます。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、分類の予測に対応しています。None の場合、画像のみがアップロードされます。。target_project(roboflow_project): 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。Roboflow ワークスペース内で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ことも、ワークフロー入力から参照することもできます。。registration_tags(Union[list_of_values,string]): Roboflow での整理とフィルタリングのためにアップロード画像へ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のリストでも構いません。。disable_sink(boolean): True の場合、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、ワークフローからブロックを削除せずに一時的にデータ収集を無効化でき、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は、sink が無効であることを示すメッセージを返します。既定値は False（アップロード有効）です。。fire_and_forget(boolean): True の場合、アップロードは非同期（fire-and-forget モード）で実行され、アップロード完了を待たずにワークフローをすぐ続行できます。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ステータス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): 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に使うプレフィックスです。バッチ再作成頻度やタイムスタンプと組み合わせて、'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をラベリング用に整理し、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): アップロード画像の任意のカスタム名です。指定した場合、この名前は自動生成された 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。。
最終更新
役に立ちましたか？