I migliori modelli di rilevamento degli oggetti per app iOS sui chip Apple Silicon

I dispositivi Android e gli iPhone sono diventati una necessità quotidiana. Le persone li usano per fare acquisti, orientarsi, scattare foto, scansionare prodotti e interagire con le app durante tutta la giornata.

Con la rapida crescita dell’intelligenza artificiale, molti smartphone includono ormai funzioni in grado di interpretare immagini e video acquisiti dalla fotocamera del dispositivo. La capacità di eseguire queste funzioni in modo efficiente dipende in gran parte dall’hardware sottostante.

Per esempio, nell’ecosistema Apple, dispositivi come iPhone, iPad e Mac sono alimentati da chip Apple Silicon, tra cui quelli delle serie A e M. Questi progetti di sistema su chip (SoC) integrano unità di elaborazione centrale (CPU), unità di elaborazione grafica (GPU) e acceleratori dedicati al machine learning, consentendo l’inferenza sul dispositivo per i carichi di lavoro di IA.

In particolare, le funzionalità di analisi delle immagini sono rese possibili dalla visione artificiale, un campo dell'IA che consente alle macchine di interpretare e comprendere le informazioni visive contenute in immagini e video utilizzando attività come il rilevamento degli oggetti.

In particolare, i modelli di rilevamento degli oggetti analizzano le immagini e identificano gli oggetti tracciando riquadri di delimitazione attorno a essi. Questi modelli possono essere ottimizzati per funzionare in modo efficiente su hardware mobile, come i chip Apple Silicon, consentendo l'analisi visiva in tempo reale direttamente sul dispositivo, nei dispositivi iOS.

Fig. 1. Un esempio di rilevamento degli oggetti, con gli oggetti identificati tramite riquadri di delimitazione. (Fonte)

In questo articolo vedremo alcuni dei migliori modelli di rilevamento di oggetti per creare app iOS veloci e in tempo reale.

Come funzionano i rilevatori di oggetti sui dispositivi iOS#

Il rilevamento degli oggetti aiuta le app a riconoscere e localizzare gli oggetti in un'immagine. Quando un'app elabora un'immagine di input, un modello di rilevamento degli oggetti può analizzare la scena e identificare i diversi oggetti tracciando riquadri di delimitazione attorno a essi e assegnando loro delle etichette.

La maggior parte dei sistemi di rilevamento degli oggetti si basa su reti neurali in grado di riconoscere schemi nei dati di addestramento. Per le attività relative alle immagini, questi modelli apprendono rappresentazioni visive analizzando informazioni a livello di pixel provenienti da ampi set di dati di addestramento.

Le reti neurali convoluzionali (CNNs) sono spesso utilizzate come backbone dei modelli di rilevamento degli oggetti. Le CNNs sono particolarmente efficaci nelle previsioni sulle immagini perché apprendono caratteristiche visive gerarchiche, come bordi, forme e texture, che aiutano il modello a riconoscere gli oggetti all'interno di una scena.

I ricercatori stanno esplorando anche architetture basate su Transformer per le attività di visione artificiale. Questi modelli analizzano le relazioni tra le diverse regioni di un'immagine e acquisiscono informazioni contestuali più ampie sull'intera scena.

Oltre al tipo di architettura del modello, l'efficienza è un aspetto fondamentale per il rilevamento degli oggetti sui dispositivi iOS. Poiché questi modelli vengono eseguiti direttamente sui dispositivi mobili, devono elaborare le immagini rapidamente utilizzando risorse di calcolo limitate.

I modelli efficienti mantengono una latenza bassa e supportano il rilevamento degli oggetti in tempo reale nelle app mobili, soprattutto quando analizzano continuamente i dati in ingresso dalla fotocamera.

Cosa rende un modello di rilevamento degli oggetti adatto a iOS?#

Prima di esaminare alcuni dei migliori modelli di rilevamento degli oggetti per iOS, facciamo un passo indietro e cerchiamo di capire cosa rende un modello adatto alle applicazioni mobili.

Il modello ideale per il rilevamento degli oggetti in un'app iOS bilancia prestazioni, efficienza e affidabilità. Ecco alcuni fattori chiave che definiscono un modello valido per la distribuzione su iOS:

• Latenza ridotta: il modello dovrebbe elaborare rapidamente le immagini per supportare il rilevamento degli oggetti in tempo reale, in particolare nelle applicazioni che si basano sull'acquisizione continua dalla fotocamera.
• Dimensioni efficienti del modello: i modelli compatti funzionano in modo più efficiente sui dispositivi mobili e in genere richiedono meno memoria e risorse di calcolo.
• Precisione del rilevamento: un rilevamento preciso assicura che gli oggetti siano classificati correttamente e che i riquadri di delimitazione rimangano accurati in scene, scale degli oggetti e condizioni di illuminazione diverse.
• Stabilità dell'inferenza: tempi di inferenza costanti tra i fotogrammi sono importanti per le applicazioni in tempo reale. Variazioni ampie nei tempi di elaborazione possono causare la perdita di fotogrammi o un'esperienza instabile con la fotocamera.
• Impronta di memoria: la quantità di RAM necessaria durante l'inferenza influisce sulla fluidità con cui un modello viene eseguito insieme agli altri processi dell'app sui dispositivi iOS.

Una panoramica dei migliori modelli di rilevamento degli oggetti per iOS#

Ora esaminiamo alcuni dei modelli di rilevamento degli oggetti più utilizzati sui dispositivi iOS.

1. Modelli Ultralytics YOLO#

I modelli Ultralytics YOLO sono una popolare famiglia di modelli di rilevamento degli oggetti progettati per applicazioni di visione artificiale in tempo reale. Nel corso degli anni, Ultralytics ha rilasciato modelli di visione come Ultralytics YOLOv5, Ultralytics YOLOv8, Ultralytics YOLO11 e il più recente modello all'avanguardia, Ultralytics YOLO26.

Ogni nuova versione ha introdotto miglioramenti nella precisione del rilevamento, nell'efficienza del modello e nelle prestazioni in fase di esecuzione. Questi aggiornamenti hanno reso i modelli Ultralytics YOLO sempre più adatti ai dispositivi edge, come gli smartphone.

Fig. 2. YOLO26 può essere utilizzato per rilevare più oggetti in una scena reale. (Fonte)

Uno dei principali vantaggi dell'utilizzo dei modelli Ultralytics YOLO nelle app iOS è l'integrazione con CoreML offerta tramite il pacchetto Python di Ultralytics. Questa libreria open source aiuta gli sviluppatori ad addestrare, testare ed esportare i modelli Ultralytics YOLO con un flusso di lavoro semplice.

Il pacchetto supporta l'esportazione dei modelli addestrati in CoreML, il formato di machine learning di Apple usato per distribuire modelli su dispositivi iOS. Dopo l'esportazione, il modello CoreML può essere integrato in un'app ed eseguito direttamente sul dispositivo usando hardware come CPU, GPU e Apple Neural Engine. I modelli Ultralytics possono anche essere esportati nel più recente formato Core AI di Apple, per iOS 27 e macOS 27, mentre CoreML resta il formato predefinito nell'SDK iOS di Ultralytics.

Fig. 3. CoreML è il framework di Apple per integrare ed eseguire modelli di IA nelle app. (Fonte)

In questo modo, gli sviluppatori possono integrare facilmente il rilevamento degli oggetti in tempo reale nelle app iOS, mantenendo l'inferenza del modello sul dispositivo.

Opzioni di distribuzione dei modelli Ultralytics YOLO su Apple Silicon#

Oltre ai modelli stessi, l'ecosistema Ultralytics offre diverse opzioni che semplificano la distribuzione dei modelli YOLO sui chip Apple Silicon.

Ad esempio, Ultralytics ha introdotto di recente Ultralytics Platform, che riunisce in un unico ambiente la gestione dei set di dati, l'addestramento dei modelli, la convalida e la distribuzione. Questo flusso di lavoro unificato riduce la necessità di utilizzare più strumenti e aiuta a semplificare il passaggio dalla sperimentazione alle applicazioni reali.

Come parte della piattaforma, i modelli addestrati possono essere esportati in più formati, tra cui CoreML per i dispositivi Apple. In questo modo puoi esportare un modello Ultralytics YOLO per l'inferenza sul dispositivo con pochi clic.

Oltre alle funzionalità di esportazione, Ultralytics fornisce un'implementazione open source per iOS in Swift (il linguaggio di programmazione di Apple utilizzato per creare app iOS). Include un'app YOLO per iOS pronta all'uso, scritta in Swift, che mostra come integrare i modelli CoreML, eseguirli sui dati in ingresso dalla fotocamera e utilizzarli per il rilevamento degli oggetti in tempo reale.

Altri vantaggi dei modelli Ultralytics YOLO#

Ecco altre caratteristiche chiave che rendono i modelli Ultralytics YOLO un'ottima scelta per creare applicazioni iOS:

• Supporta diverse attività di visione artificiale: oltre al rilevamento di oggetti, i modelli Ultralytics YOLO possono essere usati per la segmentazione di istanze, la classificazione di immagini, la stima della posa, il rilevamento di riquadri di delimitazione orientati (OBB) e il tracciamento degli oggetti; YOLO26 supporta anche la segmentazione semantica e la stima della profondità.
• Più dimensioni del modello: Ultralytics offre diverse varianti dei modelli (nano, small, medium, large ed extra-large), così gli sviluppatori possono scegliere la versione più adatta ai vincoli prestazionali dei dispositivi mobili.
• Modelli preaddestrati: i modelli Ultralytics YOLO sono disponibili come modelli preaddestrati, utilizzabili subito oppure perfezionabili per attività specifiche, riducendo i tempi di sviluppo.

2. EfficientDet#

EfficientDet è un'architettura di rilevamento di oggetti presentata dai ricercatori di Google nel 2019. È stata progettata per bilanciare accuratezza di rilevamento ed efficienza computazionale, risultando adatta agli ambienti con risorse limitate. Per un confronto diretto, consulta YOLO26 vs. EfficientDet.

Un'idea fondamentale alla base di EfficientDet è un metodo di scalabilità noto come compound scaling. Invece di aumentare una sola parte del modello, ad esempio la profondità della rete o la risoluzione dell'immagine, questo approccio scala insieme più componenti dell'architettura.

Regolando questi elementi contemporaneamente, il modello mantiene prestazioni stabili, sia quando è configurato per ottenere un'elevata precisione, sia quando è ottimizzato per distribuzioni leggere.

L'architettura è disponibile in diverse varianti, da EfficientDet-D0 a EfficientDet-D7. I modelli più piccoli sono progettati per un'inferenza più rapida e un minore utilizzo di risorse, mentre le versioni più grandi puntano a ottenere una maggiore precisione nel rilevamento.

3. MobileNet SSD#

MobileNet SSD è un modello leggero per il rilevamento degli oggetti, progettato per funzionare in modo efficiente su dispositivi mobili ed edge. Ha acquisito popolarità intorno al 2017.

Il modello combina il backbone MobileNet, incentrato sull'estrazione efficiente delle caratteristiche, con l'approccio SSD (rilevatore a singolo passaggio) per rilevare gli oggetti. Il metodo SSD rileva gli oggetti e genera riquadri di delimitazione in un'unica propagazione in avanti.

Questo design mantiene il modello relativamente veloce e semplice, una caratteristica utile per le applicazioni che necessitano di risultati di rilevamento rapidi. MobileNet SSD viene spesso utilizzato nei casi in cui sono importanti le dimensioni ridotte del modello e la maggiore velocità di inferenza.

L'architettura MobileNet riduce la quantità di calcoli necessari, facilitando l'esecuzione del modello sui dispositivi con potenza di elaborazione limitata. Sebbene MobileNet SSD possa non raggiungere la stessa precisione di alcune architetture di rilevamento più recenti, offre comunque buone prestazioni in molte attività comuni di rilevamento degli oggetti.

4. CenterNet#

CenterNet è un modello di rilevamento degli oggetti che li identifica prevedendone i punti centrali. È stato introdotto nel 2019.

Invece di generare molte regioni candidate, il modello rileva il centro di un oggetto e poi ne prevede le dimensioni del riquadro di delimitazione. Questo approccio semplifica la pipeline di rilevamento e riduce il numero di passaggi necessari durante l'inferenza.

Fig. 4. Panoramica delle fasi di rilevamento degli oggetti in CenterNet (Fonte)

CenterNet può essere utilizzato per attività di rilevamento in tempo reale ed è noto per la sua architettura relativamente semplice rispetto ad alcuni rilevatori a più fasi. Varianti come CenterNet con backbone ResNet sono comunemente utilizzate in diverse applicazioni di visione artificiale.

Il suo design efficiente rende CenterNet adatto ai sistemi che necessitano di un rilevamento rapido degli oggetti, comprese le applicazioni in esecuzione sui dispositivi iOS.

5. NanoDet#

NanoDet è un modello leggero per il rilevamento degli oggetti, progettato per le applicazioni in tempo reale su dispositivi edge e mobili. È stato introdotto nel 2020 con l'obiettivo di offrire un rilevamento efficiente degli oggetti, mantenendo molto contenuti le dimensioni del modello e i requisiti computazionali.

Il modello utilizza un'architettura di rilevamento a singolo stadio, che gli consente di prevedere la posizione e le categorie degli oggetti con un'unica passata attraverso la rete. Questo design mantiene il modello veloce e adatto ai sistemi con risorse hardware limitate.

NanoDet utilizza un backbone compatto e una testa di rilevamento ottimizzata per ridurre il numero di parametri e di calcoli necessari durante l'inferenza. Queste scelte progettuali aiutano a mantenere una precisione di rilevamento adeguata, dando priorità a velocità ed efficienza.

Scegliere il modello di rilevamento degli oggetti giusto per la tua app iOS#

La scelta di un modello di rilevamento degli oggetti per un'app iOS dipende spesso dai requisiti specifici del caso d'uso. Poiché questi modelli vengono eseguiti direttamente su dispositivi come iPhone e iPad, diversi fattori determinano quale opzione funzionerà meglio.

Ecco alcuni aspetti importanti da considerare:

• Efficienza energetica: i modelli che consumano meno energia aiutano a preservare la durata della batteria, aspetto importante per le app mobili che elaborano continuamente i dati della fotocamera.
• Supporto all'ottimizzazione dei modelli: alcuni modelli supportano tecniche di ottimizzazione come la quantizzazione o il pruning, che possono ridurre le dimensioni del modello e migliorarne le prestazioni sui dispositivi iOS.
• Compatibilità hardware: l'architettura del modello scelta dovrebbe funzionare in modo efficiente sull'hardware iOS, inclusi CPU, GPU e Neural Engine di Apple.
• Scalabilità: alcune architetture offrono più dimensioni o varianti del modello, consentendo agli sviluppatori di scegliere le versioni più adatte ai requisiti prestazionali e hardware.

Punti chiave#

I modelli di rilevamento degli oggetti offrono funzionalità avanzate di visione artificiale alle app mobili intelligenti. Eseguiti direttamente sui dispositivi iOS, consentono alle app di analizzare in tempo reale le immagini e i video acquisiti dalla fotocamera del dispositivo. Scegliendo il modello giusto, gli sviluppatori possono creare app mobili reattive basate sulla visione, che offrono prestazioni affidabili in tempo reale.

Unisciti alla nostra community in crescita ed esplora il nostro repository GitHub per trovare risorse pratiche sull’AI. Per iniziare oggi a sviluppare soluzioni di vision AI, scopri le nostre opzioni di licenza. Scopri come l’AI in agricoltura sta trasformando il settore agricolo e come la vision AI nella robotica sta plasmando il futuro visitando le pagine dedicate alle nostre soluzioni.