Faltungsnetzwerke haben Schwierigkeiten mit der Orientierung. Dreht man ein Gesicht, erkennt ein CNN zwar möglicherweise noch die Nase, verliert aber die räumliche Beziehung zwischen Nase und Mund. Kapselnetzwerke versuchen, diese Information zu erhalten, indem sie Neuronen in Kapseln gruppieren, die Vektoren anstelle von Skalaren ausgeben.

Jede Kapsel kodiert sowohl das Vorhandensein eines Merkmals als auch dessen Eigenschaften, wie beispielsweise Lage oder Orientierung. Dynamisches Routing ermöglicht es untergeordneten Kapseln, ihre Ausgabe an übergeordnete Kapseln zu senden, die mit ihnen übereinstimmen, wodurch Teil-Ganzes-Beziehungen hergestellt werden.

Mögliche Vorteile

• Bessere Handhabung von Rotation und Blickwinkel
• Erhaltung räumlicher Hierarchien
• Weniger Bedarf an riesigen Trainingssätzen
• Besser interpretierbare interne Repräsentationen

Die Verbreitung ist bisher begrenzt. Kapselnetzwerke trainieren langsam und konnten in umfangreichen Benchmarks nicht mit CNNs mithalten. Sie stellen weiterhin ein aktives Forschungsgebiet dar und sind kein Produktionsstandard.