Anchor-free 目标检测方法中精确的边界框估计是这些方法成功的关键。但是，即使边界框具有最高的置信度得分，在定位环节仍然有一些瑕疵。为此，本文提出了一种 box reorganization 方法（DDBNet），该方法可以深入到 box 中以进行更准确的定位。具体来说，第一步将漂移的框（drifted box）过滤掉，因为这些框中的内容与目标语义不一致。接下来，将选定的框划分为边界（boundaries），并搜索排列整齐的边界，将其分组为更精确的框，从而更精确地拟合目标实例范围。实验结果表明，本文的方法是有效的，可实现最新的物体检测性能。作者团队是香港中文大学、腾讯优图、思谋科技等。