Классификация объектов в мобильном приложении: выбор модели и интеграция

Классификация объектов в мобильном приложении

Мы интегрируем классификацию объектов в мобильное приложение под ключ. В отличие от детекции, модель выдает один вектор вероятностей по классам. Кажется проще, но именно здесь разработчики чаще всего допускают ошибки: неправильно выбирают порог уверенности, игнорируют пост-обработку и забывают про UX. В этой статье разбираем, как избежать этих проблем и сделать классификацию надежной и удобной для пользователя. Опыт с Core ML, ML Kit, EfficientNet — более 5 лет в мобильной разработке.

Как выбрать модель для классификации?

Для топ-1000 классов (продукты, животные, объекты быта) подойдут MobileNetV3-Large или EfficientNetB0/B1. Они работают out-of-the-box через ML Kit Image Labeling или Core ML с моделями из Apple Model Gallery. Для узкой предметной области (конкретный вид продукции, дефекты на производстве) требуется дообученная модель.

Сравнение популярных вариантов:

Дообучение (fine-tuning) под кастомный датасет: берем предобученный backbone (MobileNetV2, EfficientNetB0), замораживаем нижние слои, обучаем только верхние на своих данных. Для 10–50 классов достаточно 200–500 примеров на класс при правильной аугментации. Меньше — нужен few-shot подход (Prototypical Networks). После обучения конвертация в .mlmodel (iOS) или .tflite (Android), добавление metadata с именами классов и параметрами нормализации. EfficientNet — хороший выбор для баланса скорости и точности.

Как выбрать порог уверенности?

Самая частая ошибка в UX — показывать результат классификации без учёта confidence. Модель всегда возвращает распределение вероятностей, argmax всегда выдаёт «победителя» — даже когда модель в него не верит. Если топ-1 класс имеет score 0.23 при следующем 0.21 — это не классификация, а случайность.

Правильный подход: задать threshold (обычно 0.5–0.7 в зависимости от задачи). Если топ-1 ниже порога — показываем «не удалось определить» или просим переснять. Для критичных задач (медицина, юридические документы) — дополнительно проверяем entropy распределения. Согласно документации Core ML, порог задаётся через параметр confidenceThreshold в VNCoreMLRequest.

На iOS через VNCoreMLRequest:

request.imageCropAndScaleOption = .centerCrop
let observations = results as? [VNClassificationObservation]
let confident = observations?.filter { $0.confidence > 0.65 }

На Android через ML Kit ImageLabeling:

val options = ImageLabelerOptions.Builder()
    .setConfidenceThreshold(0.65f)
    .build()

Почему важна пост-обработка результатов?

Показывать топ-3 класса с процентами — правильно для образовательных и consumer-приложений. Для бизнес-приложений (автоматизация, склад) нужен один уверенный результат или ничего. Пост-обработка включает не только порог, но и проверку расстояния между топ-1 и топ-2: если разница мала — лучше запросить подтверждение у пользователя.

Кейс: приложение для инвентаризации на складе, классификация 87 SKU через кастомную EfficientNetB0-модель. Исходный порог 0.5 давал 12% ложных срабатываний. После анализа confusion matrix выяснили: 80% ошибок — между SKU с похожей упаковкой. Добавили второй уровень: если топ-2 и топ-3 суммарно больше 0.4, просим оператора подтвердить выбор. Ложные срабатывания упали до 2.1%.

UI результата: не перегружать пользователя числами. Прогресс-бар или цветовая индикация (зелёный/жёлтый/красный) воспринимается лучше, чем «73.4%». Анимация появления результата через withAnimation (SwiftUI) или ObjectAnimator (Android) снижает ощущение «холодного» ответа от модели.

Что входит в работу

При заказе внедрения классификации объектов вы получаете:

• Анализ задачи и выбор архитектуры модели
• Fine-tuning на вашем датасете (если требуется)
• Конвертацию в форматы .mlmodel (iOS) / .tflite (Android)
• Интеграцию в приложение с настройкой потока данных
• Настройку порогов уверенности и пост-обработки
• Разработку UI для отображения результатов
• Тестирование на реальных данных и исправление ошибок
• Документацию по использованию и поддержку команды

Процесс работы

1. Аналитика — разбираем задачу, собираем датасет, выбираем метрики
2. Проектирование — определяем архитектуру, pipeline обработки
3. Реализация — fine-tuning, конвертация, интеграция
4. Тестирование — unit-тесты, UI-тесты, A/B-тесты на уверенность
5. Деплой — публикация в App Store / Google Play, мониторинг

Сроки и стоимость

Интеграция готовой модели в существующее приложение — 3–5 дней. Fine-tuning кастомной модели + интеграция — 1–2 недели. Стоимость рассчитывается индивидуально — оценим ваш проект после первичной консультации. Мы гарантируем качество и соблюдение сроков, опираясь на более чем 5 лет опыта в мобильной разработке.

Хотите внедрить классификацию объектов? Свяжитесь с нами — получите консультацию и предварительную оценку бесплатно. Закажите внедрение классификации в ваше приложение уже сегодня.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).