RoIAlign эмне жана ал эмне үчүн RoIPoolдон такраак?

RoIAlign — бул компьютер көрүүдө колдонулган операция, кирүү сүрөтүндө же өзгөчөлүк тензорунда кызыкчылык аймактарынан (Region of Interest, RoI) белгилүү бир өлчөмдөгү өзгөчөлүктөрдү чыгарып алуу үчүн колдонулат. Ал Mask R-CNNда сегментация жана обьекттерди аныктоо тактуулугун жогорулатуу үчүн сунушталган.

RoIPool менен салыштырганда, ал RoIни торго бөлүп, координаттарды тегеректөө менен max-pooling операциясын колдонсо, RoIAlign координаттарды тегеректөөнүн көйгөйүн жоюу үчүн билинейдүү интерполяцияны колдонуп, нүктөлөрдө маанилерди эсептейт. Бул RoI менен өзгөчөлүктөрдүн так кеңейтүү байланышын сактоого мүмкүндүк берет.

Эмне үчүн RoIAlign, RoIPoolдон тактыгы жогору:

• RoIPool RoI бөлүүдө координаттарды тегеректейт, бул маалыматтын жоголушуна жана өзгөчөлүктөрдүн жылышына алып келет.
• RoIAlign интерполяцияны колдонуп, так жайгашкан жерлерди сактап калат жана чыгарылган өзгөчөлүктөрдүн сапатын жакшыртат.

Мисал: эгер RoI бир аймакты камтыса жана анын координаттары тордун өлчөмүнө туура келбесе, RoIPool аларды тегеректейт, ал эми RoIAlign интерполяция аркылуу маанилерди эсептейт, бул сегментация тапшырмаларында, чек аралардын тактыгы маанилүү болгон учурда, өзгөчө маанилүү.