RoIAlign 用于将任意尺寸感兴趣区域的特征图，都转换为具有固定尺寸 H×W 的小特征图。

与RoI pooling一样，其基本原理是将 h × w h×w h×w 的特征划分为 H × W H×W H×W 网格，每个格子是大小近似为 h / H × w / W h/H×w/W h/H×w/W 的子窗口 ，然后将每个子窗口中的值最大池化到相应的输出网格单元中。想复习RoI pooling概念的可以看这篇。

RoIAlign 其实就是更精确版本的 RoIPooling，用双线性插值取代了RoIPooling中的直接取整的操作。

下面用一个具体图例看下 RoIAlign 计算原理。

输入一个feature map，对于每个不同尺寸的proposed region，需要转换成固定大小 H × W H×W H×W的 feature map，H和W是这一层的超参数。 黑色粗框部分是一个 7 × 5 7×5 7×5 大小的 proposed region，首先切分成 H × W H×W H×W 个sections（这里以2x2为例）： 对每个section采样四个区域，用红色×表示其中心位置： 每个section中四个红色×的值，由双线性插值计算： 对每个 section 中四个值进行 max pooling，输出结果： 就是我们所需要的固定大小输出了。

这个固定大小输出可以通过全连接的层，用于边界框回归和分类，常用于检测和分割模型中。

借用下图从视觉上来理解双线性插值，黑点上的双线期插值是附近四个点的加权和，权值是四个点对应的颜色矩形在总面积中的占比。比如左上角黄点 ( x 1 , y 2 ) (x_1,y_2) (x1​,y2​) 对应的是右下较大的黄色矩阵面积。

RoIAlign在pytorch中的实现是torchvision.ops.RoIAlign，torchvision.ops中实现的是计算机视觉中特定的operators。

class: torchvision.ops.RoIAlign(output_size, spatial_scale, sampling_ratio)