摘要

在本文中，我们提出了一种新颖的方法，将部分证据纳入深度卷积神经网络的推理过程中。与现有的顶级方法不同，这些方法要么迭代修改网络输入，要么利用外部标签分类法来考虑部分证据，而我们则在预训练的卷积网络的中间层添加了独立的网络模块（“插件网络”）。这些模块的目标是在推理过程中引入额外信号，即已知标签的信息，并相应调整预测输出。由于附加插件具有简单的结构，仅由全连接层组成，因此我们大幅降低了训练和推理的计算成本。同时，所提出的架构允许将已知标签的信息直接传播到中间层，以改善最终表示。对所提出方法的广泛评估证实，我们的插件网络在多种任务中均优于现有最先进方法，包括场景分类、多标签图像注释和语义分割。