Mis on RoIAlign ja miks see on täpsem kui RoIPool?

RoIAlign on arvutiteaduses operatsioon, mida kasutatakse fikseeritud suurusega tunnuste väljavõtmiseks huvipunktide piirkondadest (Region of Interest, RoI) sisendpildil või tunnustetensoris. Seda on soovitatud Mask R-CNN-is, et parandada segmentatsiooni ja objektide tuvastamise täpsust.

Erinevalt RoIPoolist, mis jagab RoI võrgustikuks ja rakendab max-pooling operatsiooni koos koordinaatide ümardamisega, kõrvaldab RoIAlign koordinaatide ümardamise probleemi, kasutades bilineaarset interpolatsiooni väärtuste arvutamiseks punktides, millel on ujuvpunktarvud. See võimaldab säilitada täpse ruumilise vastavuse RoI ja tunnuste vahel.

Miks on RoIAlign täpsem kui RoIPool:

• RoIPool ümardab koordinaadid RoI jagamisel, mis viib teabe kadumise ja tunnuste nihkeni.
• RoIAlign kasutab interpolatsiooni, mis säilitab täpsed positsioonid ja parandab väljavõetud tunnuste kvaliteeti.

Näide: kui RoI hõlmab ala, mille koordinaadid ei ole võrded võrgustiku suurusega, siis RoIPool ümardab need, samas kui RoIAlign arvutab väärtused interpolatsiooni abil, mis on eriti oluline segmentatsiooni ülesannetes, kus piiride täpsus on kriitiline.