# 原论文的对照：对齐改善了哪些指标
[独立阅读](/course/blocks/roi-align-paper-evidence.html)**课堂上下文：从哪个问题来**
对 0、2、4、6 四邻值，按横向 1/4、纵向 1/2 算出 2.5。两步插值与四项加权是同一运算。读完算例后，接着看[原论文的对照：对齐改善了哪些指标](/course/blocks/roi-align-paper-evidence.html)，区分“使用双线性插值”和“保持坐标对齐”的作用。


Mask R-CNN v3 的 Table 2 使用 COCO `trainval35k` 训练、`minival` 测试；表中未另说明时报告 mask AP。以下固定 ResNet-50-C4、stride 16，并选同为 max 聚合的行：



| 区域读取 | 是否保留对齐 | 是否双线性 | mask AP | mask AP75 |
| --- | --- | --- | --- | --- |
| RoIPool | 否 | 否 | 26.9 | 26.4 |
| RoIWarp | 否 | 是 | 27.2 | 27.1 |
| RoIAlign | 是 | 是 | 30.2 | 31.8 |



RoIAlign 相比 RoIPool 的 AP 增加 3.3 点，AP75 增加 5.4 点。RoIWarp 也插值却没有同样改善，支持“保持坐标对应”这一机制判断。平均聚合的 RoIAlign 行是 AP30.3/AP75 31.5，引用时不能把不同聚合行混在一个对照里。Table 2(d) 换成 C5、stride32，mask AP 从 23.6 到 30.9；这是另一组设置。



这些是训练完整模型的论文结果，不是本课程重跑。它们说明读取位置值得修复，尤其严格定位受益；P44 则把输入 F 固定成完全相同，讨论任何确定性读出都无法创造差别。方法有效与构造例中的信息限制，可以同时成立。



接着读[为什么相同 F 仍无法恢复：表示碰撞的推导](/course/blocks/representation-collision-proof.html)，再到 [LAB03 · 空间信息：表示、采样与掩码](/course/notebooks/49a2c030eafa4e1db6fc4f1a08c3810a.html)，用一维读数和差分通道改变条件。

**出处：**[Mask R-CNN v3 §3–4、Table 2](https://arxiv.org/html/1703.06870v3)
## 继续阅读与实验