최근 앵커 없는(Anchor-free) 탐지 방법들이 큰 발전을 거듭해 왔습니다. 이 중 주요 두 가지 유형인 앵커포인트(Anchor-point) 탐지와 키포인트(Key-point) 탐지는 속도와 정확성의 균형에서 서로 반대편에 위치해 있으며, 앵커포인트 탐지기가 속도 측면에서 우위를 점하고 있습니다. 본 연구에서는 이러한 속도 우위를 유지하면서 앵커포인트 탐지기의 성능을 키포인트 탐지기에 비해 더욱 향상시키는 방법을 제안합니다. 이를 위해 우리는 앵커포인트 관점에서 탐지 문제를 정식화하고, 무효율적인 학습이 주된 문제임을 확인하였습니다. 우리의 핵심 통찰력은 앵커포인트가 피라미드 수준 내외에서 그룹으로 공동 최적화되어야 한다는 것입니다. 우리는 각 피라미드 수준 내의 잘못된 주의 문제와 모든 피라미드 수준 간의 특징 선택 문제를 각각 해결하기 위해 소프트 가중치 앵커포인트(Soft-weighted anchor points)와 소프트 선택 피라미드 수준(Soft-selected pyramid levels)을 사용하는 간단하면서도 효과적인 학습 전략을 제안합니다. 이 전략의 유효성을 평가하기 위해, 단일 단계(single-stage) 앵커 없는 탐지기로 '소프트 앵커포인트 탐지기(Soft Anchor-Point Detector, SAPD)'를 학습시켰습니다. 실험 결과, 우리의 간결한 SAPD는 속도/정확성 균형을 새로운 차원으로 끌어올리며 최근 최신의 앵커 없는 및 앵커 기반 탐지기를 능가하는 것으로 나타났습니다. 별다른 부가적인 기법 없이, 우리의 최고 모델은 COCO 데이터셋에서 단일 모델 단일 스케일 AP(Average Precision) 47.4%를 달성할 수 있었습니다.