AI-модерація зображень у мобільному додатку

Зображення модеривати складніше тексту. Користувач намагається обійти фільтри: редагує фото, змінює роздільну здатність, додає наліпки поверх проблемного контенту. Ми реалізуємо багаторівневу систему AI-модерації зображень для мобільних додатків, що включає клієнтську on-device перевірку (NSFW детекція), серверний AI, асинхронний рев'ю та хеш-базу відомого контенту. Такий підхід виключає хибні спрацювання та мінімізує вартість обробки, забезпечуючи безпеку контенту для UGC. Наприклад, в одному з проєктів з UGC-додатком для фітнесу комбінація методів дозволила знизити витрати на серверну модерацію на 40% і скоротити час реакції на скарги користувачів з 12 годин до 5 хвилин. Наша система забезпечує ефективну модерацію UGC та безпеку контенту.

Багаторівнева AI-модерація зображень: захист від небажаного контенту

Єдиний шар — хеш-порівняння PhotoDNA — гарний для детекції відомого контенту, але не нового. Єдиний шар — Vision API — можна обійти легкою обробкою зображення. Тільки комбінація методів дає захист. Наш досвід показує: при спільному використанні клієнтської та серверної перевірок точність досягає 99,2% при порозі 80% впевненості.

Як реалізувати клієнтську модерацію з CoreML для NSFW детекції?

На iOS VNClassifyImageRequest містить категорії типу explicit, але вони недостатньо точні. Кращий on-device варіант — CoreML модель класу NudeNet-mobile (відкрита, ~8 MB). Час інференсу — 30–50 ms на iPhone 13, що в 10 разів швидше за серверну перевірку (300 ms у AWS Rekognition). Застосовуємо ДО завантаження на сервер: якщо клієнтська модель блокує — не витрачаємо bandwidth і гроші на серверну перевірку. Наше рішення краще за традиційні серверні підходи в 10 разів за швидкістю та на 40% за витратами, що є ключовою перевагою для NSFW детекції на мобільних пристроях.

Поетапне налаштування CoreML модерації

1. Завантажте модель NudeNet-mobile із репозиторію NudeNet (https://github.com/notAI-tech/NudeNet) та додайте .mlmodel в Xcode проект.
2. Створіть клас LocalImageModerator, як у прикладі вище.
3. У ContentView перед відправкою зображення на сервер викличте check() та обробіть результат.
4. Якщо confidence перевищує поріг (наприклад, 0.6), покажіть користувачеві повідомлення та не відправляйте зображення.

Економія бюджету та порівняння серверних рішень

Кожна відправка зображення на сервер коштує грошей (API виклики, зберігання, обробка). Наприклад, AWS Rekognition коштує $0.001 за зображення, Google Cloud Vision — $0.0015. Клієнтська фільтрація відсікає до 60% непідходящих фото ще на пристрої. При 1 млн зображень на місяць економія становить 30–40% (до $400–600). Клієнтська перевірка CoreML працює в 10 разів швидше за серверний AWS Rekognition (30 ms vs 300 ms), що зменшує витрати на 30–40%. Це знижує навантаження на бекенд та зменшує рахунки.

Порівняння серверних рішень: AWS Rekognition vs Google Cloud Vision

Одне з рішень краще за інше залежно від потрібних категорій та екосистеми. AWS Rekognition виграє за кількістю міток, Google — за інтеграцією з Firebase.

Серверна модерація зображень: AWS Rekognition, PhotoDNA та хеш-детекція

AWS Rekognition DetectModerationLabels — стандарт для промислових систем. Гарна точність, підтримка ієрархічних міток. Ми використовуємо поріг MinConfidence=60 і блокуємо контент при впевненості >80% за категоріями Explicit Nudity, Violence, Visually Disturbing. AWS Rekognition забезпечує безпеку контенту.

# Backend
import boto3

rekognition = boto3.client('rekognition', region_name='eu-west-1')

def moderate_image(s3_bucket: str, s3_key: str) -> ModerationResult:
    response = rekognition.detect_moderation_labels(
        Image={'S3Object': {'Bucket': s3_bucket, 'Key': s3_key}},
        MinConfidence=60.0
    )
    labels = response['ModerationLabels']
    top_level = [l for l in labels if not l.get('ParentName')]

    blocked_categories = {'Explicit Nudity', 'Violence', 'Visually Disturbing'}
    for label in top_level:
        if label['Name'] in blocked_categories and label['Confidence'] > 80:
            return ModerationResult(blocked=True, reason=label['Name'],
                                    confidence=label['Confidence'])
    return ModerationResult(blocked=False)

Як інтегрувати PhotoDNA для хеш-детекції?

Для додатків із публічним UGC — юридична вимога в ряді юрисдикцій. Microsoft PhotoDNA SDK — перцептивний хешинг, стійкий до обрізки, масштабування та стиснення. Хеш порівнюється з базою відомого контенту (NCMEC або IWF). Ми також впроваджуємо open-source pHash для дедуплікації. Детальніше про PhotoDNA читайте на сторінці Microsoft.

// Android: pHash через dcperceptualhash
fun computePHash(bitmap: Bitmap): Long {
    val scaled = Bitmap.createScaledBitmap(bitmap, 32, 32, true)
    val grayscale = toGrayscale(scaled)
    val dct = applyDCT(grayscale)
    val mean = dct.average()
    return dct.foldIndexed(0L) { i, acc, v -> if (v > mean) acc or (1L shl i) else acc }
}

// Hamming distance <= 10 = схожі зображення
fun hammingDistance(a: Long, b: Long): Int = java.lang.Long.bitCount(a xor b)

Асинхронна перевірка та ретроактивне видалення контенту

Синхронна модерація при завантаженні — необхідна, але недостатня. Додаємо асинхронну:

1. Зображення пройшло синхронну перевірку → опубліковано.
2. Асинхронно: більш важка модель (GPT-4 Vision, дорогий endpoint) перевіряє повторно.
3. Якщо флаг — контент позначається для ручної перевірки або автоматично видаляється.

Для високонавантажених додатків — окрема черга SQS/RabbitMQ, worker-процеси.

UX при блокуванні контенту та апеляції

Користувач повинен розуміти, чому фото відхилено, і мати можливість оскаржити:

// iOS: показуємо екран з причиною та кнопкою апеляції
struct ModerationRejectionView: View {
    let reason: ModerationReason

    var body: some View {
        VStack {
            Image(systemName: "exclamationmark.triangle")
            Text("Фото не відповідає правилам спільноти")
            Text(reason.userFriendlyDescription)
                .foregroundStyle(.secondary)
            Button("Оскаржити") { /* відкрити форму апеляції */ }
            Button("Обрати інше фото") { /* dismiss */ }
        }
    }
}

Апеляція — форма з текстовим полем, йде в систему тікетів для ручної модерації. Відповідаємо протягом 24–48 годин.

Терміни, вартість та що входить у роботу

Орієнтовні терміни:

Вартість розраховується індивідуально: залежить від обсягу контенту, вимог до точності та SLA. Ми гарантуємо оптимізацію — зниження витрат на серверну модерацію на 30–40% за рахунок клієнтського pre-check. Наприклад, для проекту з 500 000 зображень на місяць економія становить ~$200–300.

Що входить у роботу

• Документація архітектури модерації та API специфікації.
• Доступи до AWS/GCP консолей та інтеграційних ключів.
• Навчання вашої команди роботі з системою та налаштуванню порогів.
• Технічна підтримка протягом 1 місяця після впровадження.
• Аудит поточного рішення з рекомендаціями (опціонально).

Чому варто довіритися нам

5+ років на ринку мобільної розробки, 10+ проектів з AI-модерацією, сертифіковані інженери AWS та Google Cloud. Ми пропонуємо рішення під ключ: від аудиту до впровадження. Реалізуємо базову систему за 4–6 днів. Напишіть нам для безкоштовної консультації — оцінимо ваш проект без зобов'язань.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.