Kas yra RoIAlign ir kodėl jis tikslesnis nei RoIPool?

RoIAlign yra operacija, naudojama kompiuteriniame matyme, norint iš regionų, vadinamų Region of Interest (RoI), išgauti fiksuoto dydžio ypatybes įėjimo vaizde arba ypatybių tenzoriuje. Ji buvo pasiūlyta Mask R-CNN, siekiant pagerinti segmentavimo ir objektų aptikimo tikslumą.

Skirtingai nuo RoIPool, kuris dalija RoI į tinklelį ir taiko max-pool operaciją su koordinatų suapvalinimu, RoIAlign pašalina koordinatų suapvalinimo problemą naudodamas bilinear interpolaciją, kad apskaičiuotų reikšmes taškuose su slankiojančiu dešimtainiu skaičiumi. Tai leidžia išlaikyti tikslią erdvinę atitikimą tarp RoI ir ypatybių.

Kodėl RoIAlign yra tikslesnis nei RoIPool:

• RoIPool suapvalina koordinatės, kai dalijasi RoI, kas sukelia informacijos praradimą ir ypatybių nukrypimą.
• RoIAlign naudoja interpolaciją, kuri išlaiko tikslias pozicijas ir gerina išgautų ypatybių kokybę.

Pavyzdys: jei RoI apima sritį su koordinatėmis, kurios nėra kelių kartų iš tinklo dydžio, RoIPool jas suapvalins, o RoIAlign apskaičiuos reikšmes naudodamas interpolaciją, kas ypač svarbu segmentavimo užduotyse, kuriose ribų tikslumas yra kritiškai svarbus.