Roboflow 데이터셋 업로드

이미지와 예측 결과를 Roboflow 데이터셋에 저장합니다.

v2

활성 학습, 모델 개선, 데이터 수집을 위해 이미지와 모델 예측을 Roboflow 데이터셋에 업로드하며, 구성 가능한 사용량 할당량, 확률적 샘플링, 배치 구성, 이미지 압축 및 선택적 주석 영속성을 지원합니다.

이 블록의 작동 방식

이 블록은 워크플로 이미지와 예측을 저장, 라벨링, 모델 학습을 위해 Roboflow 데이터셋에 업로드합니다. 이 블록은:

1. 이미지와 선택적 모델 예측(객체 감지, 인스턴스 분할, 키포인트 감지 또는 분류)을 입력으로 받음

2. Roboflow API 키가 사용 가능한지 검증함(업로드에 필요함)

3. 다음에 기반한 확률적 샘플링을 적용함 data_percentage 설정을 기준으로 입력의 일정 비율을 무작위로 선택하여 업로드함(예: 50%는 데이터의 절반을 업로드하고, 100%는 전부 업로드함)

4. 사용량 할당량(분당, 시간당, 일일 제한)을 확인하여 활성 학습 전략에 대해 업로드가 구성된 속도 제한 내에 유지되도록 보장함

5. 최대 크기를 초과하면 이미지를 크기 조정(종횡비 유지)하고 지정된 품질 수준으로 압축하여 준비함

6. 접두사와 배치 생성 빈도(없음, 매일, 매주 또는 매월)를 기반으로 라벨링 배치 이름을 생성하여 업로드된 데이터를 배치로 구성함

7. 다음 경우 모델 예측을 주석으로 선택적으로 영구 저장함 persist_predictions 가 활성화되어 있으면, 예측을 검토 및 수정용 사전 라벨로 사용할 수 있음

8. Roboflow 플랫폼에서 조직화 및 필터링을 위해 이미지에 등록 태그를 첨부함

9. Roboflow API를 통해 지정된 Roboflow 프로젝트에 이미지를(그리고 활성화된 경우 주석을) 등록함

10. 다음에 따라 동기식 또는 비동기식으로 실행됨 fire_and_forget 설정, 비차단 업로드를 허용하여 워크플로 실행을 더 빠르게 함

11. 업로드 성공, 실패 또는 샘플링 건너뜀을 나타내는 오류 상태와 메시지를 반환함

이 블록은 과도한 데이터 수집을 방지하는 사용량 할당량을 구현하여 활성 학습 워크플로를 지원하며, 속도 제한 내에서 가치 있는 학습 데이터 수집에 집중하도록 돕습니다. 확률적 샘플링 기능(v2에서 새로 추가됨)을 사용하면 업로드할 데이터의 일정 비율을 무작위로 샘플링할 수 있어, 모든 데이터가 아니라 대표 샘플을 수집하려는 비용 효율적인 데이터 수집 전략을 가능하게 합니다. 이미지는 일정에 따라(매일, 매주, 매월) 자동으로 다시 생성될 수 있는 라벨링 배치로 구성되어 시간이 지남에 따라 수집된 데이터를 더 쉽게 관리하고 검토할 수 있습니다. 이 블록은 fire-and-forget 모드로 비동기 실행될 수 있어 업로드 완료를 기다리지 않고 워크플로가 계속 처리되도록 하거나, 디버깅 및 오류 처리를 위해 동기식으로 실행될 수도 있습니다.

버전 차이(v2 vs v1)

v2의 새로운 기능:

• 확률적 데이터 샘플링: 추가됨 data_percentage 파라미터(0-100%)가 추가되어 업로드할 데이터의 무작위 샘플링을 활성화합니다. 이를 통해 워크플로 입력의 일부만 업로드할 수 있어(예: 25%는 네 장 중 한 장을 샘플링), 저장 및 주석 비용을 줄이면서도 대표성 있는 데이터를 수집할 수 있습니다. 샘플링으로 업로드가 건너뛰어지면 블록은 건너뜀을 나타내는 메시지를 반환합니다.

• 개선된 기본 설정:

  • max_image_size 기본값이 (512, 512)에서 (1920, 1080)으로 증가하여 더 높은 해상도의 데이터 수집을 지원함

  • compression_level 기본값이 75에서 95로 증가하여 이미지 품질 보존이 더 좋아짐

동작 변경 사항:

• 기본적으로 data_percentage 은 100으로 설정되어 있어, 샘플링이 명시적으로 구성되지 않으면 v2는 v1과 동일하게 동작함

• 이 블록은 이제 할당량 확인과 이미지 준비 전에 확률적 샘플링을 사용하여, 리소스 집약적인 작업 전에 효율적으로 필터링할 수 있음

요구 사항

API 키 필요: 이 블록은 데이터를 업로드하기 위해 유효한 Roboflow API 키가 필요합니다. API 키는 환경 또는 워크플로 구성에 설정되어 있어야 합니다. API 키를 가져오는 방법은 https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key 를 방문하여 확인하세요.

일반적인 사용 사례

• 액티브 러닝 데이터 수집: 모델이 어려움을 겪거나 확신이 낮은 생산 환경(예: 낮은 신뢰도의 감지, 엣지 케이스)에서 이미지와 예측을 수집하여, 재학습을 위한 어려운 예제를 모음으로써 반복적인 모델 개선을 가능하게 함

• 확률적 데이터 샘플링: 사용 data_percentage 업로드할 데이터의 하위 집합을 무작위로 샘플링함(예: 모든 감지의 20%, 낮은 신뢰도 사례의 50%를 업로드), 이를 통해 저장 및 주석 오버헤드를 줄이면서도 데이터셋 다양성을 유지하는 비용 효율적인 데이터 수집 전략을 가능하게 함

• 운영 데이터 로깅: 모니터링, 분석 및 향후 모델 학습을 위해 운영 추론 데이터를 Roboflow 데이터셋에 지속적으로 업로드하여, 실제 배포에서 성장하는 데이터셋을 생성함

• 사전 라벨 데이터 수집: 모델 예측을 사전 라벨로 포함하여 이미지를 업로드함(다음 경우 persist_predictions 가 활성화됨), 처음부터 라벨을 만드는 대신 검토 및 수정할 수 있는 초기 라벨을 제공하여 주석 워크플로를 가속화함

• 층화 데이터 샘플링: 확률적 샘플링을 속도 제한 및 할당량과 결합하여 특정 기준에 따라 데이터를 선택적으로 수집함(예: 필터를 통과한 감지의 30%를 샘플링), 저장 또는 주석 리소스를 압도하지 않으면서 다양하고 균형 잡힌 데이터셋 수집을 보장함

• 배치 기반 라벨링 워크플로: 자동 재생성 일정(매일, 매주, 매월)을 갖는 배치로 업로드된 데이터를 구성하여 라벨링 작업 관리, 진행 상황 추적, 시간 경과에 따른 데이터 수집 작업 구성이 더 쉬워짐

다른 블록과 연결하기

이 블록은 워크플로 단계에서 데이터를 받아 Roboflow에 업로드합니다:

• 탐지 또는 분석 블록 다음에 (예: 객체 감지 모델, 인스턴스 분할 모델, 분류 모델, 키포인트 감지 모델) 예측과 함께 이미지를 업로드하여, 모델 출력이 포함된 추론 데이터를 수집함으로써 주석 및 재학습을 위한 액티브 러닝을 가능하게 함

• 필터링 또는 분석 블록 이후 (예: Detections Filter, Continue If, Overlap Filter) 특정 유형의 데이터만 선택적으로 업로드함(예: 낮은 신뢰도 감지, 겹치는 객체, 특정 클래스), 가치 있는 엣지 케이스나 흥미로운 시나리오에 데이터 수집을 집중시킴

• 속도 제한기 블록 이후 (예: Rate Limiter) 업로드 빈도를 조절하고 사용량 할당량을 준수하여, 속도 제한을 지키고 과도한 저장 사용을 방지하는 통제된 데이터 수집을 보장함

• 이미지 입력 또는 전처리 블록 원시 이미지 또는 처리된 이미지(예: 자르기, 변환된 이미지)를 예측 없이 업로드하여, 향후 라벨링이나 분석을 위한 이미지 데이터를 수집할 수 있음

• 조건부 워크플로 플로우 제어 블록(예: Continue If)을 사용하여 특정 조건이 충족될 때만 데이터를 업로드함(예: 감지 수가 임계값을 초과할 때만 업로드, 오류 또는 실패만 업로드), 워크플로 상태에 기반한 선택적 데이터 수집을 가능하게 함

• 배치 처리 워크플로 여러 이미지 또는 예측이 생성되는 경우, 워크플로 출력의 대량 업로드를 Roboflow 데이터셋으로 허용하여 조직적인 비용 효율적 데이터 수집을 지원함

유형 식별자

step에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/roboflow_dataset_upload@v2 를 워크플로에 단계로 추가합니다.

속성

이름	유형	설명	참조
name	str	이 단계에 고유 식별자를 입력하세요..	❌
target_project	str	업로드된 이미지와 주석이 저장될 Roboflow 프로젝트 식별자입니다. Roboflow 작업 공간의 유효한 프로젝트여야 합니다. 프로젝트 이름은 직접 지정하거나 워크플로 입력에서 참조할 수 있습니다..	✅
data_percentage	실수	업로드를 위해 무작위 샘플링할 입력 데이터의 비율(0.0~100.0)입니다. 이를 통해 입력의 일부만 업로드하는 확률적 데이터 수집이 가능해져 저장 및 주석 비용을 줄일 수 있습니다. 예를 들어 25.0은 이미지의 약 25%(평균적으로 네 장 중 한 장), 50.0은 절반, 100.0은 전부(샘플링 없음)를 업로드합니다. 무작위 샘플링은 할당량 확인과 이미지 처리 전에 수행되어 대규모 데이터 수집 워크플로에 효율적입니다..	✅
minutely_usage_limit	int	이 할당량에 대해 분당 허용되는 최대 이미지 업로드 수입니다. 활성 학습 데이터 수집에 대한 속도 제한을 적용하는 사용량 할당량 시스템의 일부입니다. 이 제한을 초과하는 업로드는 과도한 데이터 수집을 방지하기 위해 건너뜁니다. hourly_usage_limit 및 daily_usage_limit와 함께 작동하여 다단계 속도 제한을 제공합니다. 참고: 이 할당량은 data_percentage를 통한 확률적 샘플링 이후에 확인됩니다..	❌
hourly_usage_limit	int	이 할당량에 대해 시간당 허용되는 최대 이미지 업로드 수입니다. 활성 학습 데이터 수집에 대한 속도 제한을 적용하는 사용량 할당량 시스템의 일부입니다. 이 제한을 초과하는 업로드는 과도한 데이터 수집을 방지하기 위해 건너뜁니다. minutely_usage_limit 및 daily_usage_limit와 함께 작동하여 다단계 속도 제한을 제공합니다. 참고: 이 할당량은 data_percentage를 통한 확률적 샘플링 이후에 확인됩니다..	❌
daily_usage_limit	int	이 할당량에 대해 하루 허용되는 최대 이미지 업로드 수입니다. 활성 학습 데이터 수집에 대한 속도 제한을 적용하는 사용량 할당량 시스템의 일부입니다. 이 제한을 초과하는 업로드는 과도한 데이터 수집을 방지하기 위해 건너뜁니다. minutely_usage_limit 및 hourly_usage_limit와 함께 작동하여 다단계 속도 제한을 제공합니다. 참고: 이 할당량은 data_percentage를 통한 확률적 샘플링 이후에 확인됩니다..	❌
usage_quota_name	str	사용량 할당량(분당, 시간당, 일일 제한)을 추적하기 위한 고유 식별자입니다. 여러 업로드 작업 전반에서 속도 제한을 관리하기 위해 내부적으로 사용됩니다. 각 고유 할당량 이름은 별도의 카운터를 유지하므로, 서로 다른 업로드 전략 또는 데이터 수집 워크플로가 독립적인 속도 제한을 가질 수 있습니다..	❌
max_image_size	Tuple[int, int]	업로드된 이미지의 최대 치수(너비, 높이)입니다. 이 치수를 초과하는 이미지는 업로드 전에 종횡비를 유지하면서 자동으로 크기 조정됩니다. 기본값은 더 높은 해상도의 데이터 수집을 위해 (1920, 1080)입니다. 효율적인 저장과 더 빠른 업로드를 위해 더 작은 크기(예: (512, 512))를 사용하거나, 이미지 품질 보존을 위해 기본값을 유지하세요..	❌
compression_level	int	업로드된 이미지의 JPEG 압축 품질 수준으로, 1(가장 높은 압축, 가장 작은 파일 크기, 낮은 품질)에서 100(압축 없음, 가장 큰 파일 크기, 최고 품질)까지입니다. 기본값은 이미지 품질 보존을 위해 95입니다. 값이 높을수록 이미지 품질은 더 잘 보존되지만 저장 및 대역폭 사용량이 증가합니다. 일반적인 값은 균형 잡힌 품질과 크기를 위해 70~95 범위입니다..	❌
registration_tags	List[str]	Roboflow에서 조직화 및 필터링을 위해 업로드된 이미지에 첨부할 태그 목록입니다. 태그는 정적 문자열(예: 'location-florida', 'camera-1')이거나 워크플로 입력의 동적 값일 수 있습니다. 태그는 수집된 데이터를 정리하고 Roboflow에서 이미지를 필터링하며, 데이터셋 관리를 위한 메타데이터를 추가하는 데 도움이 됩니다. 태그가 필요하지 않으면 빈 목록일 수 있습니다..	✅
persist_predictions	bool	True이면 모델 예측이 이미지와 함께 Roboflow 데이터셋에 주석(사전 라벨)으로 저장됩니다. 이를 통해 예측을 주석의 시작점으로 사용할 수 있어 검토자가 처음부터 만드는 대신 라벨을 수정하거나 승인할 수 있습니다. False이면 주석 없이 이미지만 업로드됩니다. 이를 활성화하면 초기 라벨을 제공하여 주석 워크플로를 가속화합니다..	✅
disable_sink	bool	True이면 블록 실행이 비활성화되고 업로드가 발생하지 않습니다. 이를 통해 워크플로에서 블록을 제거하지 않고도 일시적으로 데이터 수집을 비활성화할 수 있어 테스트, 디버깅 또는 조건부 데이터 수집에 유용합니다. 비활성화되면 싱크가 비활성화되었다는 메시지를 반환합니다. 기본값은 False(업로드 활성화)입니다..	✅
fire_and_forget	bool	True이면 업로드가 비동기식(fire-and-forget 모드)으로 실행되어 업로드 완료를 기다리지 않고 워크플로가 즉시 계속 진행될 수 있습니다. 이는 워크플로 성능을 향상시키지만 오류 처리는 불가능합니다. False이면 업로드가 동기식으로 실행되어 완료될 때까지 워크플로 실행을 차단하며 적절한 오류 처리와 상태 보고를 허용합니다. 속도가 우선인 운영 워크플로에는 비동기 모드(True)를, 디버깅이나 오류 처리가 중요한 경우에는 동기 모드(False)를 사용하세요..	✅
labeling_batch_prefix	str	Roboflow에서 업로드된 이미지를 구성하기 위한 라벨링 배치 이름을 생성할 때 사용하는 접두사입니다. 배치 재생성 빈도와 타임스탬프와 결합되어 'workflows_data_collector_2024_01_15'와 같은 배치 이름을 만듭니다. 배치는 수집된 데이터를 라벨링용으로 정리하여 그룹 단위로 업로드된 이미지를 더 쉽게 관리하고 검토할 수 있게 합니다. 조직 방식에 맞게 사용자 지정할 수 있습니다..	✅
labeling_batches_recreation_frequency	str	업로드된 이미지에 대해 새 라벨링 배치를 자동으로 생성하는 빈도입니다. 옵션: 'never'(모든 이미지가 동일한 배치로 이동), 'daily'(매일 새 배치), 'weekly'(매주 새 배치), 'monthly'(매월 새 배치). 배치 타임스탬프가 labeling_batch_prefix에 추가되어 고유한 배치 이름이 생성됩니다. 업로드를 시간 기반 배치로 자동 구성하면 데이터셋 관리가 단순해지고 시간 경과에 따른 수집 데이터를 더 쉽게 추적하고 검토할 수 있습니다..	❌
image_name	str	업로드된 이미지의 사용자 지정 이름(선택 사항)입니다. 원본 파일 이름을 유지하거나 Roboflow 데이터셋에서 이미지에 의미 있는 식별자(예: 일련번호, 타임스탬프)를 사용하고 싶을 때 유용합니다. 이름에는 파일 확장자가 포함되지 않아야 합니다. 제공되지 않으면 UUID가 자동으로 생성됩니다..	✅
metadata	Dict[str, Union[bool, float, int, str]]	업로드된 이미지에 첨부할 선택적 키-값 메타데이터입니다. 메타데이터는 Roboflow의 이미지에 user_metadata로 저장되며 필터링 및 조직화에 사용할 수 있습니다. 값은 정적 문자열, 숫자, 불리언 또는 워크플로 입력/단계 참조일 수 있습니다..	✅

해당 참조 열은 워크플로 런타임에서 사용할 수 있는 동적 값으로 속성을 매개변수화할 수 있음을 나타냅니다. 자세한 내용은 워크플로 런타임. 자세한 내용은 바인딩 를 참조하세요.

런타임 호환성

requires_internet - 에어갭 / 오프라인 배포: 이 블록은 완전 오프라인 / 에어갭 환경에서 접근할 수 없는 서비스에 의존합니다.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 있는지 확인하세요 Roboflow 데이터셋 업로드 버전 v2 가 있습니다.

입력 및 출력 바인딩

• 입력

  • 이미지들 (image): Roboflow 데이터셋에 업로드할 이미지입니다. 워크플로 입력 또는 처리 단계에서 단일 이미지나 이미지 배치일 수 있습니다. 이미지는 data_percentage에 따라 무작위 샘플링되며, max_image_size를 초과하면 크기 조정되고 업로드 전에 압축됩니다. 배치 처리를 지원합니다..

  • target_project (roboflow_project): 업로드된 이미지와 주석이 저장될 Roboflow 프로젝트 식별자입니다. Roboflow 작업 공간의 유효한 프로젝트여야 합니다. 프로젝트 이름은 직접 지정하거나 워크플로 입력에서 참조할 수 있습니다..

  • predictions (Union[classification_prediction, instance_segmentation_prediction, keypoint_detection_prediction, object_detection_prediction]): 이미지와 함께 업로드할 선택적 모델 예측입니다. persist_predictions가 활성화되면 예측은 Roboflow 데이터셋에 주석(사전 라벨)으로 저장되어, 주석 검토 및 수정을 위한 시작점으로 사용할 수 있습니다. 객체 감지, 인스턴스 분할, 키포인트 감지 및 분류 예측을 지원합니다. None이면 이미지만 업로드됩니다..

  • data_percentage (실수): 업로드를 위해 무작위 샘플링할 입력 데이터의 비율(0.0~100.0)입니다. 이를 통해 입력의 일부만 업로드하는 확률적 데이터 수집이 가능해져 저장 및 주석 비용을 줄일 수 있습니다. 예를 들어 25.0은 이미지의 약 25%(평균적으로 네 장 중 한 장), 50.0은 절반, 100.0은 전부(샘플링 없음)를 업로드합니다. 무작위 샘플링은 할당량 확인과 이미지 처리 전에 수행되어 대규모 데이터 수집 워크플로에 효율적입니다..

  • registration_tags (Union[list_of_values, 문자열]): Roboflow에서 조직화 및 필터링을 위해 업로드된 이미지에 첨부할 태그 목록입니다. 태그는 정적 문자열(예: 'location-florida', 'camera-1')이거나 워크플로 입력의 동적 값일 수 있습니다. 태그는 수집된 데이터를 정리하고 Roboflow에서 이미지를 필터링하며, 데이터셋 관리를 위한 메타데이터를 추가하는 데 도움이 됩니다. 태그가 필요하지 않으면 빈 목록일 수 있습니다..

  • persist_predictions (boolean): True이면 모델 예측이 이미지와 함께 Roboflow 데이터셋에 주석(사전 라벨)으로 저장됩니다. 이를 통해 예측을 주석의 시작점으로 사용할 수 있어 검토자가 처음부터 만드는 대신 라벨을 수정하거나 승인할 수 있습니다. False이면 주석 없이 이미지만 업로드됩니다. 이를 활성화하면 초기 라벨을 제공하여 주석 워크플로를 가속화합니다..

  • disable_sink (boolean): True이면 블록 실행이 비활성화되고 업로드가 발생하지 않습니다. 이를 통해 워크플로에서 블록을 제거하지 않고도 일시적으로 데이터 수집을 비활성화할 수 있어 테스트, 디버깅 또는 조건부 데이터 수집에 유용합니다. 비활성화되면 싱크가 비활성화되었다는 메시지를 반환합니다. 기본값은 False(업로드 활성화)입니다..

  • fire_and_forget (boolean): True이면 업로드가 비동기식(fire-and-forget 모드)으로 실행되어 업로드 완료를 기다리지 않고 워크플로가 즉시 계속 진행될 수 있습니다. 이는 워크플로 성능을 향상시키지만 오류 처리는 불가능합니다. False이면 업로드가 동기식으로 실행되어 완료될 때까지 워크플로 실행을 차단하며 적절한 오류 처리와 상태 보고를 허용합니다. 속도가 우선인 운영 워크플로에는 비동기 모드(True)를, 디버깅이나 오류 처리가 중요한 경우에는 동기 모드(False)를 사용하세요..

  • labeling_batch_prefix (문자열): Roboflow에서 업로드된 이미지를 구성하기 위한 라벨링 배치 이름을 생성할 때 사용하는 접두사입니다. 배치 재생성 빈도와 타임스탬프와 결합되어 'workflows_data_collector_2024_01_15'와 같은 배치 이름을 만듭니다. 배치는 수집된 데이터를 라벨링용으로 정리하여 그룹 단위로 업로드된 이미지를 더 쉽게 관리하고 검토할 수 있게 합니다. 조직 방식에 맞게 사용자 지정할 수 있습니다..

  • image_name (문자열): 업로드된 이미지의 사용자 지정 이름(선택 사항)입니다. 원본 파일 이름을 유지하거나 Roboflow 데이터셋에서 이미지에 의미 있는 식별자(예: 일련번호, 타임스탬프)를 사용하고 싶을 때 유용합니다. 이름에는 파일 확장자가 포함되지 않아야 합니다. 제공되지 않으면 UUID가 자동으로 생성됩니다..

  • metadata (*): 업로드된 이미지에 첨부할 선택적 키-값 메타데이터입니다. 메타데이터는 Roboflow의 이미지에 user_metadata로 저장되며 필터링 및 조직화에 사용할 수 있습니다. 값은 정적 문자열, 숫자, 불리언 또는 워크플로 입력/단계 참조일 수 있습니다..

• 출력

  • 오류 상태 (boolean): 불리언 플래그.

  • 메시지 (문자열): 문자열 값.

예시 JSON 정의

{
	    "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"
	    }
	}

v1

활성 학습, 모델 개선, 데이터 수집을 위해 이미지와 모델 예측을 Roboflow 데이터셋에 업로드하며, 구성 가능한 사용량 할당량, 배치 구성, 이미지 압축 및 선택적 주석 영속성을 지원합니다.

이 블록의 작동 방식

이 블록은 워크플로 이미지와 예측을 저장, 라벨링, 모델 학습을 위해 Roboflow 데이터셋에 업로드합니다. 이 블록은:

1. 이미지와 선택적 모델 예측(객체 감지, 인스턴스 분할, 키포인트 감지 또는 분류)을 입력으로 받음

2. Roboflow API 키가 사용 가능한지 검증함(업로드에 필요함)

3. 사용량 할당량(분당, 시간당, 일일 제한)을 확인하여 활성 학습 전략에 대해 업로드가 구성된 속도 제한 내에 유지되도록 보장함

4. 최대 크기를 초과하면 이미지를 크기 조정(종횡비 유지)하고 지정된 품질 수준으로 압축하여 준비함

5. 접두사와 배치 생성 빈도(없음, 매일, 매주 또는 매월)를 기반으로 라벨링 배치 이름을 생성하여 업로드된 데이터를 배치로 구성함

6. 다음 경우 모델 예측을 주석으로 선택적으로 영구 저장함 persist_predictions 가 활성화되어 있으면, 예측을 검토 및 수정용 사전 라벨로 사용할 수 있음

7. Roboflow 플랫폼에서 조직화 및 필터링을 위해 이미지에 등록 태그를 첨부함

8. Roboflow API를 통해 지정된 Roboflow 프로젝트에 이미지를(그리고 활성화된 경우 주석을) 등록함

9. 다음에 따라 동기식 또는 비동기식으로 실행됨 fire_and_forget 설정, 비차단 업로드를 허용하여 워크플로 실행을 더 빠르게 함

10. 업로드 성공 또는 실패를 나타내는 오류 상태와 메시지를 반환함

이 블록은 과도한 데이터 수집을 방지하는 사용량 할당량을 구현하여 활성 학습 워크플로를 지원하며, 속도 제한 내에서 가치 있는 학습 데이터 수집에 집중하도록 돕습니다. 이미지는 일정에 따라(매일, 매주, 매월) 자동으로 다시 생성될 수 있는 라벨링 배치로 구성되어 시간이 지남에 따라 수집된 데이터를 더 쉽게 관리하고 검토할 수 있습니다. 이 블록은 fire-and-forget 모드로 비동기 실행될 수 있어 업로드 완료를 기다리지 않고 워크플로가 계속 처리되도록 하거나, 디버깅 및 오류 처리를 위해 동기식으로 실행될 수도 있습니다.

요구 사항

API 키 필요: 이 블록은 데이터를 업로드하기 위해 유효한 Roboflow API 키가 필요합니다. API 키는 환경 또는 워크플로 구성에 설정되어 있어야 합니다. API 키를 가져오는 방법은 https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key 를 방문하여 확인하세요.

일반적인 사용 사례

• 액티브 러닝 데이터 수집: 모델이 어려움을 겪거나 확신이 낮은 생산 환경(예: 낮은 신뢰도의 감지, 엣지 케이스)에서 이미지와 예측을 수집하여, 재학습을 위한 어려운 예제를 모음으로써 반복적인 모델 개선을 가능하게 함

• 운영 데이터 로깅: 모니터링, 분석 및 향후 모델 학습을 위해 운영 추론 데이터를 Roboflow 데이터셋에 지속적으로 업로드하여, 실제 배포에서 성장하는 데이터셋을 생성함

• 사전 라벨 데이터 수집: 모델 예측을 사전 라벨로 포함하여 이미지를 업로드함(다음 경우 persist_predictions 가 활성화됨), 처음부터 라벨을 만드는 대신 검토 및 수정할 수 있는 초기 라벨을 제공하여 주석 워크플로를 가속화함

• 층화 데이터 샘플링: 속도 제한과 할당량을 사용하여 특정 기준에 따라 데이터를 선택적으로 수집함(예: Rate Limiter 또는 Continue If 블록과 결합), 저장 또는 주석 리소스를 압도하지 않으면서 다양하고 균형 잡힌 데이터셋 수집을 보장함

• 배치 기반 라벨링 워크플로: 자동 재생성 일정(매일, 매주, 매월)을 갖는 배치로 업로드된 데이터를 구성하여 라벨링 작업 관리, 진행 상황 추적, 시간 경과에 따른 데이터 수집 작업 구성이 더 쉬워짐

• 태그가 지정된 데이터 구성: 업로드된 이미지에 메타데이터 태그를 첨부함(예: 위치, 카메라 ID, 기간, 모델 버전), Roboflow에서 수집된 데이터를 필터링하고 구성할 수 있어 데이터셋 관리 및 분석이 더 좋아짐

다른 블록과 연결하기

이 블록은 워크플로 단계에서 데이터를 받아 Roboflow에 업로드합니다:

• 탐지 또는 분석 블록 다음에 (예: 객체 감지 모델, 인스턴스 분할 모델, 분류 모델, 키포인트 감지 모델) 예측과 함께 이미지를 업로드하여, 모델 출력이 포함된 추론 데이터를 수집함으로써 주석 및 재학습을 위한 액티브 러닝을 가능하게 함

• 필터링 또는 분석 블록 이후 (예: Detections Filter, Continue If, Overlap Filter) 특정 유형의 데이터만 선택적으로 업로드함(예: 낮은 신뢰도 감지, 겹치는 객체, 특정 클래스), 가치 있는 엣지 케이스나 흥미로운 시나리오에 데이터 수집을 집중시킴

• 속도 제한기 블록 이후 (예: Rate Limiter) 업로드 빈도를 조절하고 사용량 할당량을 준수하여, 속도 제한을 지키고 과도한 저장 사용을 방지하는 통제된 데이터 수집을 보장함

• 이미지 입력 또는 전처리 블록 원시 이미지 또는 처리된 이미지(예: 자르기, 변환된 이미지)를 예측 없이 업로드하여, 향후 라벨링이나 분석을 위한 이미지 데이터를 수집할 수 있음

• 조건부 워크플로 플로우 제어 블록(예: Continue If)을 사용하여 특정 조건이 충족될 때만 데이터를 업로드함(예: 감지 수가 임계값을 초과할 때만 업로드, 오류 또는 실패만 업로드), 워크플로 상태에 기반한 선택적 데이터 수집을 가능하게 함

• 배치 처리 워크플로 여러 이미지 또는 예측이 생성되는 경우, 워크플로 출력의 대량 업로드를 Roboflow 데이터셋으로 허용하여 조직적인 데이터 수집 및 관리를 지원함

유형 식별자

step에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/roboflow_dataset_upload@v1 를 워크플로에 단계로 추가합니다.

속성

이름	유형	설명	참조
name	str	이 단계에 고유 식별자를 입력하세요..	❌
target_project	str	업로드된 이미지와 주석이 저장될 Roboflow 프로젝트 식별자입니다. Roboflow 작업 공간의 유효한 프로젝트여야 합니다. 프로젝트 이름은 직접 지정하거나 워크플로 입력에서 참조할 수 있습니다..	✅
minutely_usage_limit	int	이 할당량에 대해 분당 허용되는 최대 이미지 업로드 수입니다. 활성 학습 데이터 수집에 대한 속도 제한을 적용하는 사용량 할당량 시스템의 일부입니다. 이 제한을 초과하는 업로드는 과도한 데이터 수집을 방지하기 위해 건너뜁니다. hourly_usage_limit 및 daily_usage_limit와 함께 작동하여 다단계 속도 제한을 제공합니다..	❌
hourly_usage_limit	int	이 할당량에 대해 시간당 허용되는 최대 이미지 업로드 수입니다. 활성 학습 데이터 수집에 대한 속도 제한을 적용하는 사용량 할당량 시스템의 일부입니다. 이 제한을 초과하는 업로드는 과도한 데이터 수집을 방지하기 위해 건너뜁니다. minutely_usage_limit 및 daily_usage_limit와 함께 작동하여 다단계 속도 제한을 제공합니다..	❌
daily_usage_limit	int	이 할당량에 대해 하루 허용되는 최대 이미지 업로드 수입니다. 활성 학습 데이터 수집에 대한 속도 제한을 적용하는 사용량 할당량 시스템의 일부입니다. 이 제한을 초과하는 업로드는 과도한 데이터 수집을 방지하기 위해 건너뜁니다. minutely_usage_limit 및 hourly_usage_limit와 함께 작동하여 다단계 속도 제한을 제공합니다..	❌
usage_quota_name	str	사용량 할당량(분당, 시간당, 일일 제한)을 추적하기 위한 고유 식별자입니다. 여러 업로드 작업 전반에서 속도 제한을 관리하기 위해 내부적으로 사용됩니다. 각 고유 할당량 이름은 별도의 카운터를 유지하므로, 서로 다른 업로드 전략 또는 데이터 수집 워크플로가 독립적인 속도 제한을 가질 수 있습니다..	❌
max_image_size	Tuple[int, int]	업로드된 이미지의 최대 치수(너비, 높이)입니다. 이 치수를 초과하는 이미지는 업로드 전에 종횡비를 유지하면서 자동으로 크기 조정됩니다. 더 작은 크기는 저장 및 대역폭을 줄이지만 이미지 품질이 저하될 수 있습니다. 고해상도 데이터 수집에는 더 큰 크기(예: (1920, 1080))를 사용하고, 효율적인 저장과 더 빠른 업로드에는 더 작은 크기(예: (512, 512))를 사용하세요..	❌
compression_level	int	업로드된 이미지의 JPEG 압축 품질 수준으로, 1(가장 높은 압축, 가장 작은 파일 크기, 낮은 품질)에서 100(압축 없음, 가장 큰 파일 크기, 최고 품질)까지입니다. 값이 높을수록 이미지 품질은 더 잘 보존되지만 저장 및 대역폭 사용량이 증가합니다. 일반적인 값은 균형 잡힌 품질과 크기를 위해 70~90 범위입니다. 기본값 75는 적당한 파일 크기와 좋은 품질을 제공합니다..	❌
registration_tags	List[str]	Roboflow에서 조직화 및 필터링을 위해 업로드된 이미지에 첨부할 태그 목록입니다. 태그는 정적 문자열(예: 'location-florida', 'camera-1')이거나 워크플로 입력의 동적 값일 수 있습니다. 태그는 수집된 데이터를 정리하고 Roboflow에서 이미지를 필터링하며, 데이터셋 관리를 위한 메타데이터를 추가하는 데 도움이 됩니다. 태그가 필요하지 않으면 빈 목록일 수 있습니다..	✅
persist_predictions	bool	True이면 모델 예측이 이미지와 함께 Roboflow 데이터셋에 주석(사전 라벨)으로 저장됩니다. 이를 통해 예측을 주석의 시작점으로 사용할 수 있어 검토자가 처음부터 만드는 대신 라벨을 수정하거나 승인할 수 있습니다. False이면 주석 없이 이미지만 업로드됩니다. 이를 활성화하면 초기 라벨을 제공하여 주석 워크플로를 가속화합니다..	❌
disable_sink	bool	True이면 블록 실행이 비활성화되고 업로드가 발생하지 않습니다. 이를 통해 워크플로에서 블록을 제거하지 않고도 일시적으로 데이터 수집을 비활성화할 수 있어 테스트, 디버깅 또는 조건부 데이터 수집에 유용합니다. 비활성화되면 싱크가 비활성화되었다는 메시지를 반환합니다. 기본값은 False(업로드 활성화)입니다..	✅
fire_and_forget	bool	True이면 업로드가 비동기식(fire-and-forget 모드)으로 실행되어 업로드 완료를 기다리지 않고 워크플로가 즉시 계속 진행될 수 있습니다. 이는 워크플로 성능을 향상시키지만 오류 처리는 불가능합니다. False이면 업로드가 동기식으로 실행되어 완료될 때까지 워크플로 실행을 차단하며 적절한 오류 처리와 상태 보고를 허용합니다. 속도가 우선인 운영 워크플로에는 비동기 모드(True)를, 디버깅이나 오류 처리가 중요한 경우에는 동기 모드(False)를 사용하세요..	✅
labeling_batch_prefix	str	Roboflow에서 업로드된 이미지를 구성하기 위한 라벨링 배치 이름을 생성할 때 사용하는 접두사입니다. 배치 재생성 빈도와 타임스탬프와 결합되어 'workflows_data_collector_2024_01_15'와 같은 배치 이름을 만듭니다. 배치는 수집된 데이터를 라벨링용으로 정리하여 그룹 단위로 업로드된 이미지를 더 쉽게 관리하고 검토할 수 있게 합니다. 조직 방식에 맞게 사용자 지정할 수 있습니다..	✅
labeling_batches_recreation_frequency	str	업로드된 이미지에 대해 새 라벨링 배치를 자동으로 생성하는 빈도입니다. 옵션: 'never'(모든 이미지가 동일한 배치로 이동), 'daily'(매일 새 배치), 'weekly'(매주 새 배치), 'monthly'(매월 새 배치). 배치 타임스탬프가 labeling_batch_prefix에 추가되어 고유한 배치 이름이 생성됩니다. 업로드를 시간 기반 배치로 자동 구성하면 데이터셋 관리가 단순해지고 시간 경과에 따른 수집 데이터를 더 쉽게 추적하고 검토할 수 있습니다..	❌
image_name	str	업로드된 이미지의 사용자 지정 이름(선택 사항)입니다. 제공되면 자동 생성 UUID 대신 이 이름이 사용됩니다. 원본 파일 이름을 유지하거나 Roboflow 데이터셋에서 이미지에 의미 있는 식별자(예: 일련번호, 타임스탬프)를 사용하고 싶을 때 유용합니다. 이름에는 파일 확장자가 포함되지 않아야 합니다. 제공되지 않으면 UUID가 자동으로 생성됩니다..	✅

해당 참조 열은 워크플로 런타임에서 사용할 수 있는 동적 값으로 속성을 매개변수화할 수 있음을 나타냅니다. 자세한 내용은 워크플로 런타임. 자세한 내용은 바인딩 를 참조하세요.

런타임 호환성

requires_internet - 에어갭 / 오프라인 배포: 이 블록은 완전 오프라인 / 에어갭 환경에서 접근할 수 없는 서비스에 의존합니다.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 있는지 확인하세요 Roboflow 데이터셋 업로드 버전 v1 가 있습니다.

입력 및 출력 바인딩

• 입력

  • image (image): Roboflow 데이터셋에 업로드할 이미지입니다. 워크플로 입력 또는 처리 단계에서 단일 이미지나 이미지 배치일 수 있습니다. 이미지는 max_image_size를 초과하면 크기 조정되고 업로드 전에 압축됩니다. 배치 처리를 지원합니다..

  • predictions (Union[classification_prediction, instance_segmentation_prediction, keypoint_detection_prediction, object_detection_prediction]): 이미지와 함께 업로드할 선택적 모델 예측입니다. persist_predictions가 활성화되면 예측은 Roboflow 데이터셋에 주석(사전 라벨)으로 저장되어, 주석 검토 및 수정을 위한 시작점으로 사용할 수 있습니다. 객체 감지, 인스턴스 분할, 키포인트 감지 및 분류 예측을 지원합니다. None이면 이미지만 업로드됩니다..

  • target_project (roboflow_project): 업로드된 이미지와 주석이 저장될 Roboflow 프로젝트 식별자입니다. Roboflow 작업 공간의 유효한 프로젝트여야 합니다. 프로젝트 이름은 직접 지정하거나 워크플로 입력에서 참조할 수 있습니다..

  • registration_tags (Union[list_of_values, 문자열]): Roboflow에서 조직화 및 필터링을 위해 업로드된 이미지에 첨부할 태그 목록입니다. 태그는 정적 문자열(예: 'location-florida', 'camera-1')이거나 워크플로 입력의 동적 값일 수 있습니다. 태그는 수집된 데이터를 정리하고 Roboflow에서 이미지를 필터링하며, 데이터셋 관리를 위한 메타데이터를 추가하는 데 도움이 됩니다. 태그가 필요하지 않으면 빈 목록일 수 있습니다..

  • disable_sink (boolean): True이면 블록 실행이 비활성화되고 업로드가 발생하지 않습니다. 이를 통해 워크플로에서 블록을 제거하지 않고도 일시적으로 데이터 수집을 비활성화할 수 있어 테스트, 디버깅 또는 조건부 데이터 수집에 유용합니다. 비활성화되면 싱크가 비활성화되었다는 메시지를 반환합니다. 기본값은 False(업로드 활성화)입니다..

  • fire_and_forget (boolean): True이면 업로드가 비동기식(fire-and-forget 모드)으로 실행되어 업로드 완료를 기다리지 않고 워크플로가 즉시 계속 진행될 수 있습니다. 이는 워크플로 성능을 향상시키지만 오류 처리는 불가능합니다. False이면 업로드가 동기식으로 실행되어 완료될 때까지 워크플로 실행을 차단하며 적절한 오류 처리와 상태 보고를 허용합니다. 속도가 우선인 운영 워크플로에는 비동기 모드(True)를, 디버깅이나 오류 처리가 중요한 경우에는 동기 모드(False)를 사용하세요..

  • labeling_batch_prefix (문자열): Roboflow에서 업로드된 이미지를 구성하기 위한 라벨링 배치 이름을 생성할 때 사용하는 접두사입니다. 배치 재생성 빈도와 타임스탬프와 결합되어 'workflows_data_collector_2024_01_15'와 같은 배치 이름을 만듭니다. 배치는 수집된 데이터를 라벨링용으로 정리하여 그룹 단위로 업로드된 이미지를 더 쉽게 관리하고 검토할 수 있게 합니다. 조직 방식에 맞게 사용자 지정할 수 있습니다..

  • image_name (문자열): 업로드된 이미지의 사용자 지정 이름(선택 사항)입니다. 제공되면 자동 생성 UUID 대신 이 이름이 사용됩니다. 원본 파일 이름을 유지하거나 Roboflow 데이터셋에서 이미지에 의미 있는 식별자(예: 일련번호, 타임스탬프)를 사용하고 싶을 때 유용합니다. 이름에는 파일 확장자가 포함되지 않아야 합니다. 제공되지 않으면 UUID가 자동으로 생성됩니다..

• 출력

  • 오류 상태 (boolean): 불리언 플래그.

  • 메시지 (문자열): 문자열 값.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "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"
	}