Kas ir RoIAlign un kāpēc tas ir precīzāks par RoIPool?

RoIAlign ir operācija, kas tiek izmantota datorredzes jomā, lai no interesējošajām zonām (Region of Interest, RoI) ieejas attēlā vai īpašību tenzorā izvilktu noteikta izmēra īpašības. Tā tika ierosināta Mask R-CNN, lai uzlabotu segmentācijas un objektu atpazīšanas precizitāti.

Atšķirībā no RoIPool, kas sadala RoI tīklā un piemēro max-pooling ar koordinātu noapaļošanu, RoIAlign novērš koordinātu noapaļošanas problēmu, izmantojot bilineāro interpolāciju, lai aprēķinātu vērtības ar brīviem punktiem. Tas ļauj saglabāt precīzu telpisko atbilstību starp RoI un īpašībām.

Kāpēc RoIAlign ir precīzāks par RoIPool:

• RoIPool noapaļo koordinātas, sadalot RoI, kas noved pie informācijas zuduma un īpašību novirzes.
• RoIAlign izmanto interpolāciju, kas saglabā precīzas pozīcijas un uzlabo izvilkto īpašību kvalitāti.

Piemērs: ja RoI aptver teritoriju ar koordinātēm, kas nav daudzskaitļi tīkla izmēram, RoIPool tās noapaļos, bet RoIAlign aprēķinās vērtības ar interpolāciju, kas ir īpaši svarīgi segmentācijas uzdevumos, kur precizitāte ir kritiska.