물체 검출은 전통적으로 슬라이딩 윈도우 분류기 또는 현대 딥러닝 접근 방식에서 앵커 박스 기반 예측을 필요로 합니다. 그러나 이러한 어느 접근 방식도 박스 설정에 많은 노력이 필요합니다. 본 논문에서는 물체 검출을 고차원적인 의미론적 특징 검출 작업으로 동기를 부여하는 새로운 관점을 제공합니다. 에지, 코너, 블롭 등과 같은 다른 특징 검출기와 마찬가지로 제안된 검출기는 이미지 전체를 스캔하여 특징점들을 찾습니다. 이는 컨볼루션에 자연스럽게 적합합니다. 그러나 이러한 전통적인 저수준 특징들과 달리, 제안된 검출기는 더 높은 수준의 추상화를 목표로 하며, 즉 객체가 있는 중심점을 찾아내는 것입니다. 현대의 딥러닝 모델들은 이미 이러한 고차원적인 의미론적 추상화를 수행할 수 있습니다. 또한, 블롭 검출과 유사하게 우리는 중심점들의 크기를 예측하며, 이 역시 간단한 컨볼루션을 통해 이루어집니다. 따라서 본 논문에서는 보행자 및 얼굴 검출을 컨볼루션을 통한 직관적인 중심점과 크기 예측 작업으로 단순화하였습니다. 이렇게 함으로써 제안된 방법은 박스 없는 환경에서 작동합니다. 구조적으로 단순함에도 불구하고, 여러 도전적인 벤치마크에서 경쟁력 있는 정확도를 보여주며, 이는 보행자 검출과 얼굴 검출을 포함합니다. 또한 크로스 데이터셋 평가를 수행하여 제안된 방법의 우수한 일반화 능력을 입증하였습니다. 코드와 모델은 (https://github.com/liuwei16/CSP 및 https://github.com/hasanirtiza/Pedestron)에서 확인할 수 있습니다.