ROI Align（Region of Interest Align）是一种从卷积特征图上抽取任意候选框区域特征的方法：它不把坐标取整，而是用双线性插值（bilinear interpolation）在浮点位置上估出特征值，从而消除 ROI Pooling 因取整带来的位置错位。
错位从哪来
两阶段检测器（如 Faster R-CNN 系列）先由区域建议网络给出候选框，再从特征图上抠出每个框对应的区域做池化。问题是特征图通常只有原图的 1/16 或 1/32，候选框映射到特征图上的坐标几乎总是小数。ROI Pooling 要把它切成 k×k 个小格（bin）做池化，就必须先取整——而且取两次：一次把 ROI 的边界对齐到特征图格点，一次把每个 bin 的边界再对齐。两次误差叠加，最多能偏掉接近一个特征图像素。
一个像素为什么值得较真
特征图上一个像素在原图上对应 16 或 32 个像素。对大目标，这点偏差无关痛痒；但对一个在特征图上只占 2×2 的小目标，偏半个像素就等于把框挪了四分之一。检测框的回归、分割掩码（mask）的边缘，都会被这个系统性偏移带歪。
它怎么做到不取整
把特征图想成一面瓷砖墙，每块瓷砖中心有个已知数值。ROI Pooling 只肯站在瓷砖缝（整数格点）上取样，框没对齐就先把框挪到最近的缝。ROI Align 则允许站在任意位置：把每个 bin 均匀撒几个采样点（常见默认是每个 bin 取 4 个，即 2×2），采样点落在瓷砖中央时，就用周围四块瓷砖的数值按距离加权平均估出来——这正是双线性插值的含义。最后对每个 bin 内的采样值取最大或平均，得到该 bin 的特征。
| 方法 | ROI 边界坐标 | bin 内取样位置 | 主要问题 |
|---|---|---|---|
| ROI Pooling | 取整 | 整数格点 | 两次量化，位置错位 |
| RoIWarp | 保留浮点 | 仍按整数格点 | 错位减轻但未消除 |
| ROI Align | 保留浮点 | 双线性插值采样点 | 计算略多，多依赖专用算子 |
对从业者的意义
ROI Align 由 Mask R-CNN 提出，最初是为了让分割掩码更贴合物体边界，实践中对小目标、密集目标场景（行人、遥感影像、文字行）以及关键点检测的提升尤其直观——因为误差是相对尺度，目标越小，相对误差越大。使用时有两个常见误解：它本质上是把离散取样换成连续取样，并非“更准的池化”；采样点数是个超参数，取得太少会退化接近 Pooling，取得太多则收益递减、开销上升。主流框架大多提供对应的 GPU 算子，不必自己写循环，具体支持情况以官方文档为准。