Τι είναι το RoIAlign και γιατί είναι πιο ακριβές από το RoIPool;

Το RoIAlign είναι μια λειτουργία που χρησιμοποιείται στην υπολογιστική όραση για την εξαγωγή χαρακτηριστικών σταθερού μεγέθους από περιοχές ενδιαφέροντος (Region of Interest, RoI) σε μια εισερχόμενη εικόνα ή τανυστή χαρακτηριστικών. Προτάθηκε στο Mask R-CNN για τη βελτίωση της ακρίβειας της διαχωρισμού και ανίχνευσης αντικειμένων.

Σε αντίθεση με το RoIPool, που διαιρεί το RoI σε πλέγμα και εφαρμόζει μια λειτουργία max-pooling με στρογγυλοποίηση των συντεταγμένων, το RoIAlign εξαλείφει το πρόβλημα της στρογγυλοποίησης των συντεταγμένων χρησιμοποιώντας γραμμική διασταύρωση για τον υπολογισμό των τιμών σε σημεία με συντεταγμένες κινητής υποδιαστολής. Αυτό επιτρέπει να διατηρηθεί μια ακριβής χωρική αντιστοιχία μεταξύ RoI και χαρακτηριστικών.

Γιατί το RoIAlign είναι πιο ακριβές από το RoIPool:

• Το RoIPool στρογγυλοποιεί τις συντεταγμένες κατά το διαχωρισμό του RoI, οδηγώντας σε απώλεια πληροφοριών και μετατόπιση χαρακτηριστικών.
• Το RoIAlign χρησιμοποιεί διασταύρωση, η οποία διατηρεί τις ακριβείς θέσεις και βελτιώνει την ποιότητα των εξαγόμενων χαρακτηριστικών.

Παράδειγμα: αν το RoI καλύπτει μια περιοχή με συντεταγμένες που δεν είναι πολλαπλάσια του μεγέθους του πλέγματος, το RoIPool θα τις στρογγυλοποιήσει, ενώ το RoIAlign θα υπολογίσει τις τιμές μέσω διασταύρωσης, κάτι που είναι ιδιαίτερα σημαντικό για εργασίες διαχωρισμού όπου η ακρίβεια των ορίων είναι κρίσιμη.