RoI Pooling / Align

RoI Pooling 与 RoI Align 都是“把不同大小的候选框（RoI）变成固定尺寸特征图”的操作，但 RoI Pooling 用量化→粗糙对齐，RoI Align 用双线性插值→子像素对齐，后者精度更高，已成为 2025 年检测/分割标配。

下面用“1 张图 + 2 段代码 + 3 个数字”一次讲清，面试直接背。

---

一、为什么必须“统一尺寸”

表格

复制

模块	输入	要求
检测头 / 分割头	任意框 (N×4)	固定张量 (N×7×7×256)
全连接 / Transformer	可变长	定长向量

→ 需要 “框 → 特征图” 的桥梁：RoIX

---

二、RoI Pooling vs Align 流程对比

表格

复制

步骤	RoI Pooling (2015)	RoI Align (2017)
1. 框坐标	浮点 x1,y1,x2,y2	同上
2. 量化**→粗糙**	quant = floor(x/stride)	不量化 保持浮点
3. 分 bin	7×7 整数格	7×7 浮点格
4. 采样点	每 bin 左上角 1 点	每 bin 4 子点（双线性插值）
5. 特征值	直接取整坐标	4 子点双线性平均
结果	对齐误差 0~1 像素	子像素精度

对齐误差 → 小目标、分割边缘 mAP↓1-2%；Align 修复。

---

三、子像素采样图解（7×7 输出）

复制

bin 位置（浮点）
├─ 量化后 → 整点（Pooling）→ 边缘错位
└─ 4 子点 → 双线性插值（Align）→ 无错位

 

4 子点坐标：

复制

s = 0.5, 1.5, 2.5, ..., 6.5
每 bin 宽 h/7，步长 h/7

 

---

四、代码级（MMDetection 风格）

Python

复制

# RoI Pooling（旧）
roi_layer=dict(type='RoIPool', output_size=7, spatial_scale=1./16.)# RoI Align（2025 默认）
roi_layer=dict(type='RoIAlign', output_size=7, sampling_ratio=0, spatial_scale=1./16.)

 

sampling_ratio=0 → 自动 2×2=4 子点；设 1 → 3×3=9 点，更精细但慢。

---

五、精度对比（COCO 2017）

表格

复制

模型	头类型	AP @0.5:0.95	AP_s
Faster R-CNN	RoI Pool	39.3	21.8
Faster R-CNN	RoI Align	40.7	23.1

小目标 AP_s ↑1.3%，边缘分割更锐利。

---

六、金句

“RoI Pooling 量化取整导致边缘错位；RoI Align 保持浮点 + 双线性插值 4 子点，实现 子像素对齐，2025 年检测/分割已全面替换。”