Plusieurs méthodes de détection de voies s'appuient sur une segmentation d'instances sans proposition, en raison de leur capacité à s'adapter à des formes d'objets flexibles, aux occlusions et aux applications en temps réel. Ce papier aborde le problème selon lequel l'embedding pixel par pixel dans les méthodes de détection de voies basées sur une segmentation d'instances sans proposition est difficile à optimiser. L'invariance de translation des convolutions, l'une des caractéristiques supposées fortes de cette approche, pose en effet des défis à l'optimisation de l'embedding des pixels. Dans ce travail, nous proposons une méthode de détection de voies fondée sur une segmentation d'instances sans proposition, qui optimise directement l'embedding spatial des pixels à l'aide des coordonnées d'image. Notre méthode permet d'effectuer la localisation du centre et l'agrégation de manière end-to-end, tout en simplifiant significativement les étapes postérieures. Grâce à cette simplicité du post-traitement et à l'utilisation d'un modèle de base léger, la méthode proposée permet une détection en temps réel des voies. Les résultats expérimentaux montrent que notre approche atteint des performances compétitives sur des jeux de données publics de détection de voies.