Автоматичне сортування знімків за геомітками за допомогою AI

Як кластеризувати GPS-координати з точністю до місця?

Зауважте: коли ваші користувачі імпортують тисячі знімків з телефона, ручне сортування за місцями — неприпустима розкіш. Потрібен алгоритм, який сам розбереться, де було зроблено кожен знімок. 15–30% фотографій не мають GPS-координат, а решта розкидані з похибкою до 50 метрів. Як згрупувати їх за реальними місцями? Ми використовуємо щільнісну кластеризацію DBSCAN з гаверсинусною відстанню, зворотне геокодування та класифікацію сцен через Vision API. За 5 років ми реалізували понад 50 мобільних проєктів, де ця комбінація показала точність 97%. Наприклад, у додатку для мандрівників потрібно автоматично об'єднувати знімки з однієї поїздки в альбоми, але через шум GPS або відсутність координат це стає нетривіальним завданням. Наш підхід вирішує її ефективно.

Проблеми, які вирішуємо

Розкид координат. GPS-точки одного місця можуть відрізнятися на 10–50 метрів. DBSCAN стійкий до такого шуму і не вимагає задавати кількість кластерів. Це дозволяє знизити витрати на ручне сортування фотографій.

Злиття подорожей. Якщо ви відвідували один парк тричі в різні дні, алгоритм повинен розділити ці візити. Для цього після кластеризації ми сортуємо фото за часом і ріжемо за настроюваним порогом (за замовчуванням 12 годин). Економія часу розробки — до 2 тижнів на інтеграцію такого модуля.

Відсутність геоміток. Для знімків без GPS використовуємо VNClassifyImageRequest (iOS) або ML Kit (Android). Класифікуємо сцену та прив'язуємо до часового кластеру, якщо фото зроблено в межах години від групи з координатами.

Чому DBSCAN кращий за K-means для цього завдання?

K-means вимагає заздалегідь вказати кількість кластерів і чутливий до викидів. DBSCAN автоматично знаходить кластери довільної форми та позначає шум. На розріджених даних з тисячами точок DBSCAN в 5 разів швидший за K-means, оскільки не перераховує центроїди.

Збір GPS-даних

На iOS читаємо місцезнаходження через PHAsset.location. На Android — через ExifInterface з тегами GPS, або MediaStore (враховуємо депрекацію в API 29+). Важливо: на iOS 14+ необхідно запитувати дозвіл PHPhotoLibrary.requestAuthorization.

let fetchOptions = PHFetchOptions()
let photos = PHAsset.fetchAssets(with: .image, options: fetchOptions)
var locationData: [(PHAsset, CLLocation)] = []

photos.enumerateObjects { asset, _, _ in
    if let location = asset.location {
        locationData.append((asset, location))
    }
}

Кластеризація DBSCAN з гаверсинусною відстанню

Для групування точок використовуємо DBSCAN — щільнісний алгоритм, що не вимагає заздалегідь задавати кількість кластерів. Відстань рахуємо за формулою гаверсинуса, щоб врахувати сферичність Землі.

func haversineDistance(_ a: CLLocationCoordinate2D, _ b: CLLocationCoordinate2D) -> Double {
    let R = 6371000.0
    let dLat = (b.latitude - a.latitude) * .pi / 180
    let dLon = (b.longitude - a.longitude) * .pi / 180
    let sinDLat = sin(dLat / 2), sinDLon = sin(dLon / 2)
    let x = sinDLat * sinDLat +
        cos(a.latitude * .pi / 180) * cos(b.latitude * .pi / 180) * sinDLon * sinDLon
    return R * 2 * atan2(sqrt(x), sqrt(1 - x))
}

Радіус кластера eps підбирається під задачу: 200 метрів для міста, 500–1000 метрів для туристичних подорожей. Мінімальна кількість точок — 2. Для великих бібліотек (понад 10 000 фото) використовуємо паралельну обробку через DispatchQueue.concurrentPerform.

Розділення подорожей за часом

Одне місце, три різні поїздки — алгоритм повинен їх розділити. Після кластеризації всередині кожного кластера сортуємо фото за creationDate і ріжемо за часовими розривами.

func splitByTimeGap(assets: [PHAsset], maxGapHours: Double = 12) -> [[PHAsset]] {
    let sorted = assets.sorted { $0.creationDate! < $1.creationDate! }
    var groups: [[PHAsset]] = [[sorted[0]]]

    for i in 1..<sorted.count {
        let gap = sorted[i].creationDate!.timeIntervalSince(sorted[i-1].creationDate!) / 3600
        if gap > maxGapHours {
            groups.append([sorted[i]])
        } else {
            groups[groups.count - 1].append(sorted[i])
        }
    }
    return groups
}

Поріг за замовчуванням — 12 годин. Для одноденних подорожей знижуємо до 6, для тривалих — збільшуємо до 24.

Геокодування: координати → назва місця

Кожен кластер отримує людську назву через зворотне геокодування. Згідно з документацією Apple, CLGeocoder безкоштовний, але має ліміт 1 запит/сек. Google Places API платний, але повертає назву закладу (кафе, готель). Ми рекомендуємо спочатку використовувати CLGeocoder, а при необхідності — Google.

func reverseGeocode(coordinate: CLLocationCoordinate2D) async throws -> PlaceName {
    let location = CLLocation(latitude: coordinate.latitude, longitude: coordinate.longitude)
    let placemarks = try await CLGeocoder().reverseGeocodeLocation(location)
    guard let placemark = placemarks.first else { throw GeoError.noResult }
    return PlaceName(
        city: placemark.locality,
        country: placemark.country,
        name: placemark.name
    )
}

Результати кешуємо в словник з ключем виду "lat.lon" з округленням до 1 знака (точність ~11 км — достатньо для групування за містом).

Що робити з фото без GPS?

Для зображень без координат використовуємо VNClassifyImageRequest (iOS) або аналоги. Класифікуємо сцену: пляж, гори, місто. Якщо фото не вдається віднести до відомого кластеру за часом, поміщаємо в тематичну секцію без прив'язки до адреси.

UI: відображення на карті та в списку

Реалізуємо два режими:

• Карта: MKMapView з MKClusterAnnotation на iOS, ClusterManager на Android. При зумі піни автоматично групуються/роз'єднуються. Для SwiftUI доступна карта з пінами через MKMapViewRepresentable.
• Список: секції за локаціями, відсортовані за датою першого фото. Аналогічно «Спогадам» в Apple Photos. Для великих бібліотек (>5000 фото) використовуємо UICollectionViewDiffableDataSource для плавної прокрутки.

Процес роботи та терміни

1. Аналіз — вивчення вихідних даних, структури EXIF, вимог до UI.
2. Проєктування — вибір моделей кластеризації, геокодера, схеми кешування.
3. Реалізація — написання модулів збору, кластеризації, геокодування, класифікації.
4. Тестування — перевірка на реальних бібліотеках фото (до 10 000 знімків).
5. Деплой — інтеграція в додаток, налаштування TestFlight / Firebase Distribution.

Вартість розраховується індивідуально. Зв'яжіться з нами для оцінки вашого проєкту. Ми гарантуємо результат, підкріплений сертифікатами Apple і Google та п'ятирічним досвідом. Отримайте консультацію просто зараз.

Що входить в роботу

• Вихідний код модулів на Swift / Kotlin з коментарями.
• Конфігурація кешування та порогів кластеризації.
• Інтеграція з існуючим UI (карта або список).
• Документація по API та налаштуванню.
• Технічна підтримка протягом 2 тижнів після здачі.

Зв'яжіться з нами — ми підберемо оптимальне рішення для вашого проєкту.

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.