Τα συνελικτικά δίκτυα δυσκολεύονται με τον προσανατολισμό. Περιστρέψτε ένα πρόσωπο και ένα CNN μπορεί να εντοπίσει ακόμα μια μύτη, αλλά χάνει τη χωρική σχέση μεταξύ μύτης και στόματος. Τα δίκτυα κάψουλας προσπαθούν να διατηρήσουν αυτές τις πληροφορίες ομαδοποιώντας νευρώνες σε κάψουλες που εξάγουν διανύσματα αντί για βαθμωτά δεδομένα.

Κάθε κάψουλα κωδικοποιεί τόσο την παρουσία ενός χαρακτηριστικού όσο και τις ιδιότητές του, όπως τη στάση ή τον προσανατολισμό. Η δυναμική δρομολόγηση επιτρέπει στις κάψουλες χαμηλότερου επιπέδου να στέλνουν την έξοδό τους σε κάψουλες υψηλότερου επιπέδου που συμφωνούν με αυτές, δημιουργώντας σχέσεις μέρους-όλου.

Πιθανά πλεονεκτήματα

• Καλύτερος χειρισμός της περιστροφής και της οπτικής γωνίας
• Διατήρηση χωρικών ιεραρχιών
• Λιγότερη ανάγκη για τεράστια σετ προπόνησης
• Πιο ερμηνεύσιμες εσωτερικές αναπαραστάσεις

Η υιοθέτηση ήταν περιορισμένη. Τα δίκτυα κάψουλας εκπαιδεύονται αργά και δεν έχουν φτάσει τα CNN σε μεγάλης κλίμακας benchmarks. Παραμένουν μια ενεργή ερευνητική κατεύθυνση και όχι ένα πρότυπο παραγωγής.