يستفيد كشف المشاة من تقنية التعلم العميق، وشهد تطورًا سريعًا في السنوات الأخيرة. تعتمد معظم كواشف المشاة على إطار الكشف العام عن الأجسام، أي الصناديق الافتراضية وعملية ذات مرحلتين. ومع ذلك، تم مؤخرًا إدخال كواشف خالية من المحددات (anchor-free) وواحدة المرحلة (one-stage) إلى هذا المجال. لكن دقتها لا تزال غير مرضية. لذلك، للاستمتاع ببساطة كواشف خالية من المحددات ودقة الكواشف ذات المرحلتين في آنٍ واحد، نقترح بعض التكيفات بناءً على كاشف يُسمى "المركز والتنبؤ بالقياس (CSP)". تتمثل المساهمات الرئيسية في بحثنا في: (1) تحسين متانة كاشف CSP وجعله أسهل في التدريب. (2) اقتراح طريقة جديدة للتنبؤ بالعرض، تُعرف باسم "ضغط العرض". (3) تحقيق أفضل أداء ثانٍ في معيار CityPersons، حيث بلغ معدل الفشل المتوسط اللوغاريتمي (MR) 9.3% في المجموعة المعقولة، و8.7% في المجموعة الجزئية، و5.6% في المجموعة العارية، مما يدل على أن كاشفًا خاليًا من المحددات وواحد المرحلة يمكن أن يحقق دقة عالية. (4) استكشاف بعض القدرات التي لا تُذكر في الورقة الأصلية الخاصة بـ "التوحيد القابل للتبديل (Switchable Normalization)".