Класифікація об'єктів у мобільному додатку: вибір моделі та інтеграція

Класифікація об'єктів у мобільному додатку

Ми інтегруємо класифікацію об'єктів у мобільний додаток під ключ. На відміну від детекції, модель видає один вектор ймовірностей за класами. Здається простіше, але саме тут розробники найчастіше припускаються помилок: неправильно обирають поріг впевненості, ігнорують пост-обробку та забувають про UX. У цій статті розбираємо, як уникнути цих проблем і зробити класифікацію надійною та зручною для користувача. Досвід з Core ML, ML Kit, EfficientNet — понад 5 років у мобільній розробці.

Як обрати модель для класифікації?

Для топ-1000 класів (продукти, тварини, об'єкти побуту) підійдуть MobileNetV3-Large або EfficientNetB0/B1. Вони працюють out-of-the-box через ML Kit Image Labeling або Core ML з моделями з Apple Model Gallery. Для вузької предметної області (конкретний вид продукції, дефекти на виробництві) потрібна донавчена модель.

Порівняння популярних варіантів:

Донавчання (fine-tuning) під кастомний датасет: беремо переднавчений backbone (MobileNetV2, EfficientNetB0), заморожуємо нижні шари, навчаємо лише верхні на своїх даних. Для 10–50 класів достатньо 200–500 прикладів на клас при правильній аугментації. Менше — потрібен few-shot підхід (Prototypical Networks). Після навчання конвертація в .mlmodel (iOS) або .tflite (Android), додавання metadata з іменами класів та параметрами нормалізації. EfficientNet — хороший вибір для балансу швидкості та точності.

Як обрати поріг впевненості?

Найчастіша помилка в UX — показувати результат класифікації без урахування confidence. Модель завжди повертає розподіл ймовірностей, argmax завжди видає «переможця» — навіть коли модель в нього не вірить. Якщо топ-1 клас має score 0.23 при наступному 0.21 — це не класифікація, а випадковість.

Правильний підхід: задати threshold (зазвичай 0.5–0.7 залежно від завдання). Якщо топ-1 нижче порогу — показуємо «не вдалося визначити» або просимо перезняти. Для критичних завдань (медицина, юридичні документи) — додатково перевіряємо entropy розподілу. Згідно з документацією Core ML, поріг задається через параметр confidenceThreshold у 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()

Чому важлива пост-обробка результатів?

Показувати топ-3 класи з відсотками — правильно для освітніх та consumer-додатків. Для бізнес-додатків (автоматизація, склад) потрібен один впевнений результат або нічого. Пост-обробка включає не лише поріг, але й перевірку відстані між топ-1 та топ-2: якщо різниця мала — краще запросити підтвердження у користувача.

Кейс: додаток для інвентаризації на складі, класифікація 87 SKU через кастомну EfficientNetB0-модель. Початковий поріг 0.5 давав 12% хибних спрацьовувань. Після аналізу confusion matrix з’ясували: 80% помилок — між SKU зі схожою упаковкою. Додали другий рівень: якщо топ-2 та топ-3 сумарно більше 0.4, просимо оператора підтвердити вибір. Хибні спрацьовування впали до 2.1%.

UI результату: не перевантажувати користувача числами. Прогрес-бар або кольорова індикація (зелений/жовтий/червоний) сприймається краще, ніж «73.4%». Анімація появи результату через withAnimation (SwiftUI) або ObjectAnimator (Android) знижує відчуття «холодної» відповіді від моделі.

Що входить в роботу

При замовленні впровадження класифікації об'єктів ви отримуєте:

• Аналіз завдання та вибір архітектури моделі
• Fine-tuning на вашому датасеті (якщо потрібно)
• Конвертацію у формати .mlmodel (iOS) / .tflite (Android)
• Інтеграцію в додаток з налаштуванням потоку даних
• Налаштування порогів впевненості та пост-обробки
• Розробку UI для відображення результатів
• Тестування на реальних даних та виправлення помилок
• Документацію з використання та підтримку команди

Процес роботи

1. Аналітика — розбираємо завдання, збираємо датасет, обираємо метрики
2. Проектування — визначаємо архітектуру, pipeline обробки
3. Реалізація — fine-tuning, конвертація, інтеграція
4. Тестування — unit-тести, UI-тести, A/B-тести на впевненість
5. Деплой — публікація в App Store / Google Play, моніторинг

Терміни та вартість

Інтеграція готової моделі в існуючий додаток — 3–5 днів. Fine-tuning кастомної моделі + інтеграція — 1–2 тижні. Вартість розраховується індивідуально — оцінимо ваш проект після первинної консультації. Ми гарантуємо якість та дотримання термінів, спираючись на понад 5 років досвіду в мобільній розробці.

Хочете впровадити класифікацію об'єктів? Зв'яжіться з нами — отримайте консультацію та попередню оцінку безкоштовно. Замовте впровадження класифікації у ваш додаток вже сьогодні.

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.