自 2008 年起，Lose It! 已協助超過 3,000 萬人減重超過 5,000 萬磅。這款應用程式可讓使用者盡可能簡化飲食記錄，協助他們管理飲食，產品團隊也不斷尋找新的方法，簡化購物流程。

Lose It! 幕後團隊推出 Snap It，這款物件辨識演算法旨在協助使用者拍照，記錄使用者喜愛的食物。不過，演算法的高運算成本要求使用 GPU 伺服器，因此無法即時提供體驗。

同時，該團隊還想要新增營養標籤掃描功能，但伺服器分析時間比使用者自行輸入資訊來得快。此外，由於行動行動網路的速度和信號可能會影響使用者體驗，因此無法保證效能。

Lose It! 團隊知道使用者會喜歡這兩項功能，但前提是使用者移動的速度必須夠快，才能提供即時體驗。他們該如何加快腳步？

因此團隊採用機器學習套件來解決速度問題。Edward W. 表示：「機器學習套件部署了 Snap Lite 模型，以及使用壓縮量化 TF Lite 模型來部署食物辨識功能。Lowe, Jr. 博士,Lose It 資料科學和 AI 總監！先前，Snap It 演算法是部署在伺服器中，不需要將食物圖片傳輸到伺服器進行推論。但 Lowe 表示：「透過 ML Kit 代管的自訂模型，讓我們能夠順暢地將量化的 Snap It 模型導入到裝置上，讓使用者在沒有數據連線的狀態下即時使用這項功能。「透過裝置端文字辨識 API，我們大幅縮短了營養標籤讀取作業的圖片分析時間。」

「更重要的是，ML Kit 讓我們能在 Firebase 中託管模型。」「因此，我們無須更新應用程式即可在裝置上順暢更新模型、縮減應用程式大小，並讓我們進行 A/B 測試模型版本更新。將模型部署作業與應用程式版本取消連結後，我們就能迅速回應瞬息萬變的使用者行為，進而進一步因應偏移問題。」

拜機器學習技術所賜，Lose It! 得以推出廣泛且高效能的營養標籤讀卡機。使用者只要掃描營養標籤，就能立即為任何新食物輸入營養資訊。就營養標籤掃描器而言，在大多數情況下，系統不到 1 秒即可識別出資訊。使用者不必拍照，應用程式也可以從相機檢視畫面即時擷取資訊。