Čo je RoIAlign a prečo je presnejší ako RoIPool?

RoIAlign je operácia používaná v počítačovom videní na extrakciu vlastností pevnej veľkosti z oblastí záujmu (Region of Interest, RoI) na vstupe obrázku alebo tenzore vlastností. Navrhla sa v Mask R-CNN na zlepšenie presnosti segmentácie a detekcie objektov.

Na rozdiel od RoIPool, ktorý delí RoI na mriežku a aplikuje operáciu max-poolingu s zaokrúhľovaním súradníc, RoIAlign odstraňuje problém zaokrúhľovania súradníc pomocou bilineárnej interpolácie na výpočet hodnôt v bodoch s pohyblivou desatinnou čiarkou. To umožňuje zachovať presné priestorové zladenie medzi RoI a vlastnosťami.

Prečo je RoIAlign presnejší než RoIPool:

• RoIPool zaokrúhľuje súradnice pri rozdeľovaní RoI, čo vedie k strate informácií a posunu vlastností.
• RoIAlign používa interpoláciu, ktorá zachováva presné pozície a zlepšuje kvalitu extrahovaných vlastností.

Príklad: ak RoI pokrýva oblasť so súradnicami, ktoré nie sú násobkami veľkosti mriežky, RoIPool ich zaokrúhli, zatiaľ čo RoIAlign vypočíta hodnoty pomocou interpolácie, čo je obzvlášť dôležité pri úlohách segmentácie, kde je presnosť hraníc kritická.