　乗用車、トラック、バイク、自転車、車道などの18クラスを認識する自動運転向け教師データを作成するベンチマークにおいて、教師例5000枚の追加学習で精度（mIoU：mean Intersection over Union）84.7％を達成。より精度向上を図る場合、自動アノテーションサービスで作成した教師データを利用することで、手作業の修正量を大きく削減できる。同ベンチマークでは、手作業では8時間で16枚しか作成できない教師データを、24時間で9600枚作成できたと説明している。

自動運転を想定した車載向けベンチマークによるセマンティックセグメンテーションの例1 出所：東芝情報システム

例2 出所：東芝情報システム

例3 出所：東芝情報システム

　同社は今後、画像のセマンティックセグメンテーション以外の教師データにも自動アノテーションサービスを対応させていく方針を示している。

⇒その他の「人工知能ニュース」の記事はこちら

エンジニアに必要不可欠な存在となったAI、2023年に注目すべき4つのトレンド
製造業をはじめさまざまな産業分野で活躍するエンジニアにとって当たり前の存在となったAI。本稿では2023年のAIに関する注目すべき4つのトレンドを取り上げる。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
機械学習活用のAIシステム運用に欠かせない「MLOps」とは何か
東芝は2022年4月20日、同社のAI技術を紹介するセミナーの中で、企業が機械学習を用いたシステムを導入した後、同システムを継続的に改善していく「MLOps」について解説した。MLOpsの基礎知識から、実施する際の留意点などを解説した。
機械学習とディープラーニング、どちらを使えばいいのか
研究開発プロジェクトを先に進めるためにどのようなAI技術を使用すればいいのだろうか。本稿では、その一助とすべく、機械学習とディープラーニング（深層学習）の違いについて概説し、それぞれをどのように適用すべきかについて説明する。