Какво е RoIAlign и защо е по-точно от RoIPool?

RoIAlign е операция, използвана в компютърното зрение за извличане на характеристики с фиксиран размер от региони на интерес (Region of Interest, RoI) в входното изображение или тензор на характеристики. Тя е предложена в Mask R-CNN за подобряване на точността на сегментацията и откриването на обекти.

За разлика от RoIPool, който разделя RoI на мрежа и прилага операция max-pooling с закръгляване на координатите, RoIAlign премахва проблема с закръгляването на координатите, използвайки билинейна интерполация за изчисляване на стойностите в точки с плаваща запетая. Това позволява да се запази точната пространствена съвместимост между RoI и характеристиките.

Защо RoIAlign е по-точен от RoIPool:

• RoIPool закръглява координатите при разделянето на RoI, което води до загуба на информация и изместване на характеристиките.
• RoIAlign използва интерполация, която запазва точните позиции и подобрява качеството на извлечените характеристики.

Пример: ако RoI обхваща област с координати, които не са кратни на размера на мрежата, RoIPool ще ги закръгли, а RoIAlign ще изчисли стойностите чрез интерполация, което е особено важно за задачи като сегментация, където точността на границите е критична.