Что такое и зачем нужны RoI, RoI Pooling и RoI Align? В чём ключевое отличие RoI Align от RoI Pooling?

RoI (Region of Interest) — это область изображения, которая содержит интересующий объект (например, лицо, автомобиль). В задачах детекции объектов модели анализируют именно эти регионы.

RoI Pooling — операция, которая преобразует произвольный по размеру RoI в фиксированный размер (например, 7x7) с помощью max pooling. Это позволяет передавать данные в последующие слои нейросети с фиксированным размером входа. Однако RoI Pooling использует квантование координат, что может привести к неточностям и потере информации.

RoI Align — улучшение RoI Pooling, которое устраняет квантование координат. Вместо округления координат RoI Align использует билинейную интерполяцию для точного выравнивания входных данных. Это повышает точность локализации объектов, особенно для мелких деталей.

Ключевое отличие RoI Align от RoI Pooling:

• RoI Pooling округляет координаты и применяет дискретный max pooling, что приводит к потерям точности.
• RoI Align сохраняет точные координаты и использует интерполяцию, что улучшает качество выделения признаков.

Таким образом, RoI Align обеспечивает более точное представление объектов в выделенных регионах, что важно для задач детекции и сегментации.