Что такое RoIAlign и почему он точнее RoIPool?

RoIAlign — это операция, используемая в компьютерном зрении для извлечения фиксированного размера признаков из регионов интереса (Region of Interest, RoI) на входном изображении или признаковом тензоре. Она была предложена в Mask R-CNN для улучшения точности сегментации и детекции объектов.

В отличие от RoIPool, который делит RoI на сетку и применяет операцию max-pooling с округлением координат, RoIAlign устраняет проблему округления координат, используя билинейную интерполяцию для вычисления значений в точках с плавающей точкой. Это позволяет сохранить точное пространственное соответствие между RoI и признаками.

Почему RoIAlign точнее RoIPool:

• RoIPool округляет координаты при разбиении RoI, что приводит к потере информации и смещению признаков.
• RoIAlign использует интерполяцию, что сохраняет точные позиции и улучшает качество извлечённых признаков.

Пример: если RoI охватывает область с координатами, не кратными размеру сетки, RoIPool округлит их, а RoIAlign вычислит значения с помощью интерполяции, что особенно важно для задач сегментации, где точность границ критична.