RoIAlign（感興趣區域對齊）

RoIAlign（由 Mask R-CNN 引入，He 等人，2017）是一種更講究的方法，用來從特徵圖的某個區域裁切出固定大小的特徵，目的是修正 RoI 池化中內建的空間錯位。直覺是：RoI 池化把座標兩次四捨五入到整數的特徵圖格，使它萃取出的特徵相對於物件真正所在略有偏移。對一個粗略的框這幾乎無所謂，但對需要像素精準的遮罩（以及精準的小框）而言，那半格的偏移是毀滅性的。RoIAlign 乾脆拒絕四捨五入。

把錯位講具體些。RoI 池化做兩次量化：先把提議的實數座標對齊到整數的特徵圖位置（例如 2.97 → 2），再在把區域切成輸出格網時，把每格的邊界也對齊到整數。每次取整都可能使特徵偏移多達半格，而在骨幹步幅為 16 時，這在輸入影像中可達約 8 像素——足以毀掉一個遮罩。

RoIAlign 移除了這兩次取整。它保留 RoI 的浮點座標，以精確的分數邊界把它切成輸出格，在每個格內放幾個取樣點（常為 4 個），並以雙線性插值從最近的四個特徵圖格計算每個取樣點的值。該格的輸出是其取樣點的平均（或最大）。由於雙線性插值平滑且可微，梯度得以乾淨地流動，萃取出的特徵也能以次像素精度對齊真正的區域。

回報很大：在 Mask R-CNN 中，把 RoI 池化換成 RoIAlign 使遮罩準確度相對提升約 10–50%，而在對齊最關鍵的嚴格 IoU 門檻下增益最大。RoIAlign 如今已是任何需要精準定位的、基於區域的模型的標準配備——實例分割、關鍵點估計、以及高 IoU 偵測。