Konvolutionelle netværk har svært ved at orientere sig. Roterer man et ansigt, kan et CNN stadig registrere en næse, men det mister det rumlige forhold mellem næse og mund. Kapselnetværk forsøger at bevare denne information ved at gruppere neuroner i kapsler, der udsender vektorer i stedet for skalarer.

Hver kapsel koder både tilstedeværelsen af ​​en funktion og dens egenskaber, såsom position eller orientering. Dynamisk routing lader kapsler på lavere niveau sende deres output til kapsler på højere niveau, der stemmer overens med dem, og opbygger dermed relationer mellem del og helhed.

Potentielle fordele

• Bedre håndtering af rotation og synspunkt
• Bevarelse af rumlige hierarkier
• Mindre behov for store træningssæt
• Mere fortolkelige interne repræsentationer

Adoptionen har været begrænset. Kapselnetværk trænes langsomt og har ikke matchet CNN'er på store benchmarks. De forbliver en aktiv forskningsretning snarere end en produktionsstandard.