featureの解像度を単調減少させつつ畳み込み層を重ねるbackboneはrecognitionには有効だが空間情報の欠落によりlocalizationには向かないことを指摘. 従来のbackboneの畳み込み時の解像度とレイヤの関係を並び替え, 各レイヤの解像度を単調減少ではなく任意のスケールにし、複数の異なるスケール間の接続をもつbackboneをNASで探索したSpineNetを提案.