El método de detección basado en sin anclaje no solo reduce el costo de entrenamiento de la detección de objetos, sino que también evita el problema de desequilibrio causado por un número excesivo de anclajes. Sin embargo, estos métodos solo prestan atención al impacto de la cabeza de detección en el rendimiento de detección, ignorando así el impacto de la fusión de características en el rendimiento de detección. En este artículo, tomamos la detección de peatones como ejemplo y proponemos una red de una etapa Red de Fusión en Capas Cruzadas en Cascada (CCFNet) basada en sin anclaje. Consiste en un módulo de Fusión en Capas Cruzadas en Cascada (CCF) y una nueva cabeza de detección. Entre ellos, CCF considera completamente la distribución de información de alto nivel e información de bajo nivel de mapas de características en diferentes etapas de la red. En primer lugar, la red profunda se utiliza para eliminar una gran cantidad de ruido en las características superficiales, y finalmente, las características de alto nivel se reutilizan para obtener una representación de características más completa. En segundo lugar, para la tarea de detección de peatones, se diseña una nueva cabeza de detección que utiliza el mapa suave global (GSMap) para proporcionar información global para el mapa central y obtener un mapa central más preciso. Finalmente, verificamos la viabilidad de CCFNet en los conjuntos de datos de Caltech y CityPersons.