> 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データセットへのアップロード

画像と予測をRoboflowデータセットに保存します。

## 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。使用量クォータ、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、ラベリング、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、

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（アップロードに必要です）
3. に基づいて確率的サンプリングを適用します `data_percentage` 設定に基づいて、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、100% ならすべてをアップロード）。
4. 使用量クォータ（分単位、時間単位、日単位の制限）を確認し、アクティブラーニング戦略の設定済みレート制限内にアップロードが収まるようにします
5. 最大サイズを超える場合はリサイズして（アスペクト比を維持）、指定品質まで圧縮することで画像を準備します
6. プレフィックスとバッチ作成頻度（しない、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. 任意でモデル予測をアノテーションとして保持します。もし `persist_predictions` が有効なら、予測をレビューと修正のための事前ラベルとして使えるようにします
8. Roboflow プラットフォームでの整理とフィルタリングのために、画像へ登録タグを付与します
9. Roboflow API を介して、指定した Roboflow プロジェクトに画像（および有効な場合はアノテーション）を登録します
10. に基づいて同期的または非同期的に実行します `fire_and_forget` 設定により、非ブロッキングのアップロードを可能にします
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量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しやすくします。確率的サンプリング機能（v2 で新規追加）により、データの一部をランダムにサンプルしてアップロードできるため、すべてではなく代表的なサンプルを集めたい場合に、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、スケジュールに基づいて自動再作成（毎日、毎週、毎月）できるため、時間の経過とともに収集データの管理とレビューがしやすくなります。このブロックは fire-and-forget モードで非同期実行することもでき、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できます。また、デバッグやエラー処理のために同期実行することも可能です。

## 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によるアップロードを可能にするパラメータ（0〜100%）。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）。代表的なデータを収集しつつ、ストレージとアノテーションのコストを削減できます。サンプリングでアップロードがスキップされた場合、ブロックはスキップを示すメッセージを返します。
* **デフォルト設定の改善**:
  * `max_image_size` のデフォルトは (512, 512) から (1920, 1080) に引き上げられ、高解像度データの収集に対応しました
  * `compression_level` のデフォルトは 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 と同じように動作します
* 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行い、処理コストの高い操作の前に効率的なフィルタリングを可能にします

## 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用データ収集**: モデルが苦戦する、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: 低信頼度の検出、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` 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します（例: 全検出の 20% や低信頼度ケースの 50% をアップロード）。これにより、ストレージとアノテーションのオーバーヘッドを抑えながら、データセットの多様性を維持するコスト効率の高い収集戦略を実現できます
* **本番データのロギング**: 本番推論データを継続的に Roboflow データセットへアップロードし、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付与した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することで、ゼロから始めるのではなくレビューと修正ができるようになり、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・クォータを組み合わせて、特定の条件に基づき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）。ストレージやアノテーション資源を圧迫せず、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**: 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、ラベリングタスクの管理、進捗追跡、データ収集活動の時系列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に** (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) 画像とその予測を一緒にアップロードし、推論データとモデル出力を収集してアノテーションや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) 特定の種類のデータのみを選択的にアップロードします（例: 低信頼度の検出、重なった物体、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制御して使用量クォータ内に収め、レート制限を守り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** 生画像または処理済み画像（例: クロップ、変換後画像）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
* **条件分岐ワークフロー** 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: 検出数が閾値を超えたときだけアップロード、エラーや失敗だけアップロード）。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るようにし、確率的サンプリングで整理されたコスト効率の高いデータ収集を実現します

### タイプ識別子

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` を、ワークフローにステップとして追加します。

### 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 プロジェクトの識別子です。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にサンプルする入力データの割合（0.0〜100.0）です。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、ストレージとアノテーションのコストを削減できます。例えば、25.0 は画像のおよそ 25%（平均すると 4 枚に 1 枚）、50.0 は半分、100.0 は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や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`                  | `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量クォータシステムの一部です。この制限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`                    | `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量クォータシステムの一部です。この制限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`                     | `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量クォータシステムの一部です。この制限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`                                     | 使用量クォータ（分単位、時間単位、日単位の制限）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保持するため、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維持したまま自動的にリサイズされます。デフォルトは高解像度データ収集向けの (1920, 1080) です。効率的な保存と高速アップロードのためには小さいサイズ（例: (512, 512)）を使用し、画像品質を保持したい場合はデフォルトを維持してください。                                                                                      | ❌  |
| `compression_level`                     | `int`                                     | アップロード画像の 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ています。値を大きくすると画像品質はより保たれますが、ストレージと帯域幅の使用量が増えます。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、アップロード画像に付与するタグの一覧です。タグは固定文字列（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 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にできます。                                                                         | ✅  |
| `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、予測をアノテーションの出発点として使え、レビュー担当者はラベルを一から作るのではなく修正や承認ができます。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、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停止でき、テスト、デバッグ、条件付きデータ収集に便利です。無効化時には、sink 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（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の性能は向上しますが、エラーハンドリングはできません。False の場合、アップロードは同期的に実行され、完了するまでワークフローの実行をブロックし、適切なエラーハンドリング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、デバッグやエラーハンドリング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。バッチの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のラベル付け整理に役立ち、アップロード画像をグループ単位で管理・レビューしやすくします。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を自動作成する頻度です。オプション: 'never'（すべての画像を同じバッチに入れる）、'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、一意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、収集データの時系列レビューも容易になります。                     | ❌  |
| `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。                                                                                                                                  | ✅  |
| `メタデータ`                                 | `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 の画像上で 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。値は固定文字列、数値、真偽値、またはワークフロー入力/ステップへの参照にできます。                                                                                                                                  | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および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依存します。 `Roboflowデータセットアップロード` バージョン `v2` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `images` ([*`image`*](https://docs.roboflow.com/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。ワークフロー入力や処理ステップからの単一画像または画像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。バッチ処理をサポートします。
  * `target_project` ([*`roboflow_project`*](https://docs.roboflow.com/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 プロジェクトの識別子です。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\[*[*`classification_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/classification-prediction.md)*,* [*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*]*): 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や修正の出発点として使えます。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`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)): アップロード対象としてランダムにサンプルする入力データの割合（0.0〜100.0）です。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、ストレージとアノテーションのコストを削減できます。例えば、25.0 は画像のおよそ 25%（平均すると 4 枚に 1 枚）、50.0 は半分、100.0 は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や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`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): Roboflow での整理とフィルタリングのために、アップロード画像に付与するタグの一覧です。タグは固定文字列（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 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にできます。
  * `persist_predictions` ([*`boolean`*](https://docs.roboflow.com/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、予測をアノテーションの出発点として使え、レビュー担当者はラベルを一から作るのではなく修正や承認ができます。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されます。
  * `disable_sink` ([*`boolean`*](https://docs.roboflow.com/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、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停止でき、テスト、デバッグ、条件付きデータ収集に便利です。無効化時には、sink 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`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)): 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の性能は向上しますが、エラーハンドリングはできません。False の場合、アップロードは同期的に実行され、完了するまでワークフローの実行をブロックし、適切なエラーハンドリング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、デバッグやエラーハンドリング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`*](https://docs.roboflow.com/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に使うプレフィックスです。バッチの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のラベル付け整理に役立ち、アップロード画像をグループ単位で管理・レビューしやすくします。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`*](https://docs.roboflow.com/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。
  * `メタデータ` ([*`*`*](https://docs.roboflow.com/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 の画像上で 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。値は固定文字列、数値、真偽値、またはワークフロー入力/ステップへの参照にできます。
* output
  * `error_status` ([`boolean`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)): ブールフラグ。
  * `message` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "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",
	        "$inputs.dynamic_tag"
	    ],
	    "persist_predictions": true,
	    "disable_sink": true,
	    "fire_and_forget": "<block_does_not_provide_example>",
	    "labeling_batch_prefix": "my_labeling_batch_name",
	    "labeling_batches_recreation_frequency": "never",
	    "image_name": "serial_12345",
	    "metadata": {
	        "camera_id": "cam_01",
	        "location": "$inputs.location"
	    }
	}
```

</details>

## 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。使用量クォータ、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、ラベリング、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、

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（アップロードに必要です）
3. 使用量クォータ（分単位、時間単位、日単位の制限）を確認し、アクティブラーニング戦略の設定済みレート制限内にアップロードが収まるようにします
4. 最大サイズを超える場合はリサイズして（アスペクト比を維持）、指定品質まで圧縮することで画像を準備します
5. プレフィックスとバッチ作成頻度（しない、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. 任意でモデル予測をアノテーションとして保持します。もし `persist_predictions` が有効なら、予測をレビューと修正のための事前ラベルとして使えるようにします
7. Roboflow プラットフォームでの整理とフィルタリングのために、画像へ登録タグを付与します
8. Roboflow API を介して、指定した Roboflow プロジェクトに画像（および有効な場合はアノテーション）を登録します
9. に基づいて同期的または非同期的に実行します `fire_and_forget` 設定により、非ブロッキングのアップロードを可能にします
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量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しやすくします。画像はラベリングバッチに整理され、スケジュールに基づいて自動再作成（毎日、毎週、毎月）できるため、時間の経過とともに収集データの管理とレビューがしやすくなります。このブロックは fire-and-forget モードで非同期実行することもでき、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できます。また、デバッグやエラー処理のために同期実行することも可能です。

## 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用データ収集**: モデルが苦戦する、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: 低信頼度の検出、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
* **本番データのロギング**: 本番推論データを継続的に Roboflow データセットへアップロードし、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付与した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することで、ゼロから始めるのではなくレビューと修正ができるようになり、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って、特定の条件に基づき選択的にデータを収集します（例: Rate Limiter や Continue If ブロックと組み合わせる）。ストレージやアノテーション資源を圧迫せず、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**: 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、ラベリングタスクの管理、進捗追跡、データ収集活動の時系列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: 位置情報、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ます。より良いデータセット管理と分析に役立ちます

## 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 にアップロードします:

* **検出または分析ブロックの後に** (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) 画像とその予測を一緒にアップロードし、推論データとモデル出力を収集してアノテーションや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) 特定の種類のデータのみを選択的にアップロードします（例: 低信頼度の検出、重なった物体、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制御して使用量クォータ内に収め、レート制限を守り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** 生画像または処理済み画像（例: クロップ、変換後画像）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
* **条件分岐ワークフロー** 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: 検出数が閾値を超えたときだけアップロード、エラーや失敗だけアップロード）。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るようにし、整理されたデータ収集と管理を可能にします

### タイプ識別子

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` を、ワークフローにステップとして追加します。

### 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 プロジェクトの識別子です。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`                  | `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量クォータシステムの一部です。この制限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量クォータシステムの一部です。この制限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量クォータシステムの一部です。この制限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`             | 使用量クォータ（分単位、時間単位、日単位の制限）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保持するため、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。小さいサイズはストレージと帯域幅を削減しますが、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。値を大きくすると画像品質はより保たれますが、ストレージと帯域幅の使用量が増えます。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。デフォルトの 75 は、妥当なファイルサイズで良好な品質を提供します。                                                                            | ❌  |
| `registration_tags`                     | `List[str]`       | Roboflow での整理とフィルタリングのために、アップロード画像に付与するタグの一覧です。タグは固定文字列（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 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にできます。                                                                         | ✅  |
| `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、予測をアノテーションの出発点として使え、レビュー担当者はラベルを一から作るのではなく修正や承認ができます。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、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停止でき、テスト、デバッグ、条件付きデータ収集に便利です。無効化時には、sink 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（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の性能は向上しますが、エラーハンドリングはできません。False の場合、アップロードは同期的に実行され、完了するまでワークフローの実行をブロックし、適切なエラーハンドリング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、デバッグやエラーハンドリング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。バッチの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のラベル付け整理に役立ち、アップロード画像をグループ単位で管理・レビューしやすくします。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を自動作成する頻度です。オプション: 'never'（すべての画像を同じバッチに入れる）、'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、一意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、収集データの時系列レビューも容易になります。                     | ❌  |
| `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** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および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依存します。 `Roboflowデータセットアップロード` バージョン `v1` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `images` ([*`image`*](https://docs.roboflow.com/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。ワークフロー入力や処理ステップからの単一画像または画像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。バッチ処理をサポートします。
  * `predictions` (*Union\[*[*`classification_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/classification-prediction.md)*,* [*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*]*): 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や修正の出発点として使えます。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。
  * `target_project` ([*`roboflow_project`*](https://docs.roboflow.com/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 プロジェクトの識別子です。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`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): Roboflow での整理とフィルタリングのために、アップロード画像に付与するタグの一覧です。タグは固定文字列（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 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にできます。
  * `disable_sink` ([*`boolean`*](https://docs.roboflow.com/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、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停止でき、テスト、デバッグ、条件付きデータ収集に便利です。無効化時には、sink 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`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)): 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の性能は向上しますが、エラーハンドリングはできません。False の場合、アップロードは同期的に実行され、完了するまでワークフローの実行をブロックし、適切なエラーハンドリング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、デバッグやエラーハンドリング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`*](https://docs.roboflow.com/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に使うプレフィックスです。バッチの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のラベル付け整理に役立ち、アップロード画像をグループ単位で管理・レビューしやすくします。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`*](https://docs.roboflow.com/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。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。
* output
  * `error_status` ([`boolean`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)): ブールフラグ。
  * `message` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/roboflow_dataset_upload@v1",
	    "images": "$inputs.image",
	    "predictions": "$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"
	}
```

</details>
