本論文では、深層畳み込みニューラルネットワークの推論に部分的な証拠を組み込む新たな手法を提案します。既存の最高峰の手法は、ネットワークの入力を反復的に変更するか、外部ラベル分類体系を利用することで部分的な証拠を取り入れていますが、我々は事前に学習された畳み込みニューラルネットワークの中間層に個別のネットワークモジュール（「プラグイン・ネットワーク」）を追加しました。これらのモジュールの目的は、既知のラベルに関する情報（つまり、追加信号）を推論プロセスに取り込み、予測出力をそれに応じて調整することです。追加されたプラグインは全結合層のみで構成される単純な構造であるため、学習と推論の計算コストを大幅に削減しました。同時に、提案したアーキテクチャは既知のラベルに関する情報を直接中間層に伝播させることができ、最終的な表現を改善します。提案手法の広範な評価結果により、プラグイン・ネットワークがシーン分類、多ラベル画像注釈、意味的セグメンテーションなどの様々なタスクにおいて最先端技術を上回ることが確認されました。