SlideShare a Scribd company logo
ウィキペディア日本語版への
画像のアップロード
とりあえず編
ウィキペディア日本語版 利用者:海獺
1
ウィキペディア日本語版の左側。
注:ログインしてから進んでください
ここに注目
「アップロード(ウィキメディア・コモンズ)」と書い
てあります。
「ウィキメディア・コモンズ」は画像などのファイルの
集積場所です。
画像をコモンズにアップロードをし、ウィキペディア
でファイル名を指定することにより、コモンズから
呼び出して使うという流れです。 2
この画面が表示されましたでしょうか?
ひと通り読んでから 下部の⇒「次へ」をクリック
3
ログインできてますか?
ここをクリックして、あなたの機器に保存されている、
アップロードしたい画像を指定します。
スマートフォンなどから直接アップする場合、フォームの
記入などがしにくいので、画像をPCに移動してから⾏
うことをお勧めします。 4
今回は2017年1⽉に撮影したこの画像を、例とし
てアップロードします。
この画像のファイル名は、撮影した時に自動で割り
振られた「IMG_1727.JPG」という名前になっていま
した。
選択して、開きます。
5
開くと自動でアップロードが始まります。
アップロードが成功したら「続⾏」をクリック
今回は一枚だけのアップロードですので、
このまま進みます。
6
「このファイルは、自分自身による作品です」をクリックすると、この画面に
なります。
自分自身の作品でない場合の説明は非常に複雑なので、ここではご
自身の作品である場合のみを説明します。
デフォルトでは「クリエイティブ・コモンズ 表示-継承 4.0」のライセンスで
アップロードします。詳細は画面上に出るリンク先を読んでください。
⇒「次へ」
7
「タイトル」
タイトルを⾒てファイルがどういうもの
なのかわかりやすい名前に変更して
ください。ファイル名は英数字を使用
するほうがベターです。
「説明」
詳しい説明を日本語で。
「作成日」
この場合は撮影した日です。この画
像が生まれた日です。
「カテゴリ」
同じようなテーマの画像をウィキペ
ディアで探し、適切なカテゴリをつけ
ましょう。もしこの場でカテゴリをつけ
なくても、とりあえず空欄で進めるこ
ともできます。
*タイトル以外は、のちに容易に変
更が可能です。
8
「タイトル」
「IMG_1727.JPG」という名前は
「Sagamihara-City Park」と変
更しました。
「説明」
日本語で「相模原公園」としました。
「作成日」
この例では変更はありません。
「カテゴリ」
同じようなテーマの画像から
「Sagamihara Park」というカテゴリ
を⾒つけました。
⇒「次へ」
*タイトル以外は、のちに容易に変
更が可能です。
9
これで完了です。
ガイドの通りに、テキストでコピーしておくとよいでしょう。
もし忘れてしまっても、「ファイル」から確認することができます。
10
ファイルはここ
ウィキペディア日本語版へ
画像を反映させる編
11
実際にウィキペディア上に画像を反映させましょう。
先ほどアップしたものとは別画像になりますが、上の神社の画像について説明します。
記事の右上に配置されている、infoboxと呼ばれる基本情報が集められた箱の中
にある画像です。
12
たとえばこの画像は どのように呼び出されているのかな?
「ソースを編集」タブを開いて、ウィキペディアの記事の中ではどのような記述になって
いるかを確認してみましょう。
13
このタブを開きます
[[File:Torii hikawa-shrine Sagamihara.jpg|300px|相模原氷川神社鳥居]]
が、呼び出しの呪文です。
[[ この中の説明 ]]
↓
[[ファイル名 | 大きさ(任意。300だとこの大きさで表示)| 説明(ここでも変えられます]] 14
この⾏に注目!
次に、ギャラリーと呼ばれる画像セクションについて⾒てみましょう。
こちらもソースを編集タブを開いて、中身を参照します。
15
こんな感じのとこ
== 画像 == ←⾒出しです ⾒た目が画像[編集 | ソースを編集] に変換されます。
<gallery>
File:ファイル名| サイズ(thumbと書くとサムネイルサイズでいい感じに)|説明
↑[[ ]] で括らないことに注目
以下同じように、記述していき・・・
</gallery>
で閉じます。
16
この辺
お役⽴ちリンク
[[Wikipedia:画像利用の⽅針]]
https://ja.wikipedia.org/wiki/Wikipedia:%E7%94%BB%E5%83%8F%E5%88%A9%E7%94%A8%E3%81%AE%E
6%96%B9%E9%87%9D
[[Wikipedia:百科事典向け写真撮影のガイド]]
https://ja.wikipedia.org/wiki/Wikipedia:%E7%99%BE%E7%A7%91%E4%BA%8B%E5%85%B8%E5%90%91%E
3%81%91%E5%86%99%E7%9C%9F%E6%92%AE%E5%BD%B1%E3%81%AE%E3%82%AC%E3%82%A4%E
3%83%89
[[Wikipedia:画像などのアップロードされたファイル]]
https://ja.wikipedia.org/wiki/Wikipedia:%E7%94%BB%E5%83%8F%E3%81%AA%E3%81%A9%E3%81%AE%E
3%82%A2%E3%83%83%E3%83%97%E3%83%AD%E3%83%BC%E3%83%89%E3%81%95%E3%82%8C%E3
%81%9F%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB
[[Help:画像などのファイルのアップロードと利用]]
https://ja.wikipedia.org/wiki/Help:%E7%94%BB%E5%83%8F%E3%81%AA%E3%81%A9%E3%81%AE%E3%8
3%95%E3%82%A1%E3%82%A4%E3%83%AB%E3%81%AE%E3%82%A2%E3%83%83%E3%83%97%E3%83
%AD%E3%83%BC%E3%83%89%E3%81%A8%E5%88%A9%E7%94%A8
[[Wikipedia:FAQ 画像などのファイル]]
https://ja.wikipedia.org/wiki/Wikipedia:FAQ_%E7%94%BB%E5%83%8F%E3%81%AA%E3%81%A9%E3%81%
AE%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB
17
ラッコ のイラスト by Natsumi Miura
https://commons.wikimedia.org/wiki/File:Wikipedia-logo-v2.svg
Version 1 by Nohat (concept by Paullusmagnus); Wikimedia. / CC BY-SA 3.0
https://commons.wikimedia.org/wiki/File:Commons-logo-en.png
Originally uploaded to commons by Chris 73, made transparent by User:Grunt . / CC BY-SA 3.0
https://commons.wikimedia.org/wiki/File:Shamusho_hikawa-shrine_Sagamihara.jpg
https://commons.wikimedia.org/wiki/File:Seibee_shinden_kaikon_kinen_hikawa-shrine_Sagamihara.jpg?
https://commons.wikimedia.org/wiki/File:Jizoson_hikawa-shrine_Sagamihara.jpg
https://commons.wikimedia.org/wiki/File:Hondou_hikawa-shrine_Sagamihara.jpg
https://commons.wikimedia.org/wiki/File:Fukutoku_inari_taijin_hikawa-shrine_Sagamihara.jpg
https://commons.wikimedia.org/wiki/File:Torii_hikawa-shrine_Sagamihara.jpg
https://commons.wikimedia.org/wiki/File:Sagamihara-City_Park.jpg
Photo by 海獺 / CC BY-SA 4.0
https://commons.wikimedia.org/wiki/File:Licensing_tutorial_ja.svg
Source:Wikimedia Foundation,Localization:aokomoriuta、whym / CC BY-SA 3.0
バージョン
1.0 とりあえずリリース
1.1 ウィキペディアへの反映を追加 18

More Related Content

What's hot

LBFGSの実装
LBFGSの実装LBFGSの実装
LBFGSの実装
Kotaro Tanahashi
 
情報検索の基礎 #9適合フィードバックとクエリ拡張
情報検索の基礎 #9適合フィードバックとクエリ拡張情報検索の基礎 #9適合フィードバックとクエリ拡張
情報検索の基礎 #9適合フィードバックとクエリ拡張
nishioka1
 
画像キャプションの自動生成
画像キャプションの自動生成画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
 
【DL輪読会】Non-Linguistic Supervision for Contrastive Learning of Sentence Embedd...
【DL輪読会】Non-Linguistic Supervision for Contrastive Learning of Sentence Embedd...【DL輪読会】Non-Linguistic Supervision for Contrastive Learning of Sentence Embedd...
【DL輪読会】Non-Linguistic Supervision for Contrastive Learning of Sentence Embedd...
Deep Learning JP
 
人工知能研究のための視覚情報処理
人工知能研究のための視覚情報処理人工知能研究のための視覚情報処理
人工知能研究のための視覚情報処理
Koki Nakamura
 
セレンディピティと機械学習
セレンディピティと機械学習セレンディピティと機械学習
セレンディピティと機械学習
Kei Tateno
 
【DL輪読会】HyperTree Proof Search for Neural Theorem Proving
【DL輪読会】HyperTree Proof Search for Neural Theorem Proving【DL輪読会】HyperTree Proof Search for Neural Theorem Proving
【DL輪読会】HyperTree Proof Search for Neural Theorem Proving
Deep Learning JP
 
【論文レベルで理解しよう!】​ 大規模言語モデル(LLM)編​
【論文レベルで理解しよう!】​ 大規模言語モデル(LLM)編​【論文レベルで理解しよう!】​ 大規模言語モデル(LLM)編​
【論文レベルで理解しよう!】​ 大規模言語モデル(LLM)編​
ARISE analytics
 
20190804_icml_kyoto
20190804_icml_kyoto20190804_icml_kyoto
20190804_icml_kyoto
Takayoshi Yamashita
 
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
Deep Learning JP
 
データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎
Tetsutaro Watanabe
 
Transformerを用いたAutoEncoderの設計と実験
Transformerを用いたAutoEncoderの設計と実験Transformerを用いたAutoEncoderの設計と実験
Transformerを用いたAutoEncoderの設計と実験
myxymyxomatosis
 
[DL輪読会]RobustNet: Improving Domain Generalization in Urban- Scene Segmentatio...
[DL輪読会]RobustNet: Improving Domain Generalization in Urban- Scene Segmentatio...[DL輪読会]RobustNet: Improving Domain Generalization in Urban- Scene Segmentatio...
[DL輪読会]RobustNet: Improving Domain Generalization in Urban- Scene Segmentatio...
Deep Learning JP
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
Deep Learning JP
 
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
 
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
 
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
NVIDIA Japan
 
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
Deep Learning JP
 
プロジェクトマネージャのための機械学習工学入門
プロジェクトマネージャのための機械学習工学入門プロジェクトマネージャのための機械学習工学入門
プロジェクトマネージャのための機械学習工学入門
Nobukazu Yoshioka
 
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
Deep Learning JP
 

What's hot (20)

LBFGSの実装
LBFGSの実装LBFGSの実装
LBFGSの実装
 
情報検索の基礎 #9適合フィードバックとクエリ拡張
情報検索の基礎 #9適合フィードバックとクエリ拡張情報検索の基礎 #9適合フィードバックとクエリ拡張
情報検索の基礎 #9適合フィードバックとクエリ拡張
 
画像キャプションの自動生成
画像キャプションの自動生成画像キャプションの自動生成
画像キャプションの自動生成
 
【DL輪読会】Non-Linguistic Supervision for Contrastive Learning of Sentence Embedd...
【DL輪読会】Non-Linguistic Supervision for Contrastive Learning of Sentence Embedd...【DL輪読会】Non-Linguistic Supervision for Contrastive Learning of Sentence Embedd...
【DL輪読会】Non-Linguistic Supervision for Contrastive Learning of Sentence Embedd...
 
人工知能研究のための視覚情報処理
人工知能研究のための視覚情報処理人工知能研究のための視覚情報処理
人工知能研究のための視覚情報処理
 
セレンディピティと機械学習
セレンディピティと機械学習セレンディピティと機械学習
セレンディピティと機械学習
 
【DL輪読会】HyperTree Proof Search for Neural Theorem Proving
【DL輪読会】HyperTree Proof Search for Neural Theorem Proving【DL輪読会】HyperTree Proof Search for Neural Theorem Proving
【DL輪読会】HyperTree Proof Search for Neural Theorem Proving
 
【論文レベルで理解しよう!】​ 大規模言語モデル(LLM)編​
【論文レベルで理解しよう!】​ 大規模言語モデル(LLM)編​【論文レベルで理解しよう!】​ 大規模言語モデル(LLM)編​
【論文レベルで理解しよう!】​ 大規模言語モデル(LLM)編​
 
20190804_icml_kyoto
20190804_icml_kyoto20190804_icml_kyoto
20190804_icml_kyoto
 
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
 
データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎
 
Transformerを用いたAutoEncoderの設計と実験
Transformerを用いたAutoEncoderの設計と実験Transformerを用いたAutoEncoderの設計と実験
Transformerを用いたAutoEncoderの設計と実験
 
[DL輪読会]RobustNet: Improving Domain Generalization in Urban- Scene Segmentatio...
[DL輪読会]RobustNet: Improving Domain Generalization in Urban- Scene Segmentatio...[DL輪読会]RobustNet: Improving Domain Generalization in Urban- Scene Segmentatio...
[DL輪読会]RobustNet: Improving Domain Generalization in Urban- Scene Segmentatio...
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
 
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
 
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
 
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
 
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
 
プロジェクトマネージャのための機械学習工学入門
プロジェクトマネージャのための機械学習工学入門プロジェクトマネージャのための機械学習工学入門
プロジェクトマネージャのための機械学習工学入門
 
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
 

JAWP Upload images