Konvolusjonelle nettverk sliter med orientering. Roter et ansikt, og et CNN kan fortsatt oppdage en nese, men det mister det romlige forholdet mellom nese og munn. Kapselnettverk prøver å bevare denne informasjonen ved å gruppere nevroner i kapsler som sender ut vektorer i stedet for skalarer.

Hver kapsel koder både tilstedeværelsen av en funksjon og dens egenskaper, som positur eller orientering. Dynamisk ruting lar kapsler på lavere nivå sende utdataene sine til kapsler på høyere nivå som stemmer overens med dem, og bygger dermed del-helhet-relasjoner.

Potensielle fordeler

• Bedre håndtering av rotasjon og synspunkt
• Bevaring av romlige hierarkier
• Mindre behov for store treningssett
• Mer tolkbare interne representasjoner

Adopsjonen har vært begrenset. Kapselnettverk trener sakte og har ikke matchet CNN-er på storskala benchmarks. De er fortsatt en aktiv forskningsretning snarere enn en produksjonsstandard.