我々は、ピクセル単位の予測方式を用いて物体検出を行う完全な畳み込み型の一段階物体検出器（FCOS）を提案します。これはセマンティックセグメンテーションに類似しています。RetinaNet、SSD、YOLOv3、Faster R-CNNなどの最先端の物体検出器は、事前に定義されたアンカーボックスに依存していますが、我々が提案するFCOSはアンカーボックスもプロポーザルも不要です。事前に定義されたアンカーボックス群を排除することで、学習中にオーバーラップの計算など、アンカーボックスに関連する複雑な計算を完全に避けることができます。さらに重要なのは、最終的な検出性能に対して非常に敏感であるしばしばアンカーボックスに関連するハイパーパラメータをすべて回避できることです。唯一の後処理として非最大値抑制（NMS）を使用することで、FCOSはResNeXt-64x4d-101と組み合わせて単一モデル・単一スケールテストでAP 44.7%を達成し、従来の一段階検出器を超える性能を示しました。本研究では初めて、よりシンプルかつ柔軟な検出フレームワークが改良された検出精度を達成することを示しました。我々は、提案したFCOSフレームワークが他の多くのインスタンスレベルタスクにおいても単純で強力な代替手段となることを期待しています。コードは以下のURLから入手可能です：https://tinyurl.com/FCOSv1