Rețelele convoluționale au dificultăți cu orientarea. Rotiți o față și o CNN poate detecta în continuare un nas, dar pierde relația spațială dintre nas și gură. Rețelele capsule încearcă să păstreze aceste informații prin gruparea neuronilor în capsule care generează vectori în loc de scalari.

Fiecare capsulă codifică atât prezența unei caracteristici, cât și proprietățile acesteia, cum ar fi poziția sau orientarea. Rutarea dinamică permite capsulelor de nivel inferior să își trimită rezultatul către capsule de nivel superior care sunt de acord cu ele, construind relații parte-întreg.

Avantaje potențiale

• Gestionare mai bună a rotației și a punctului de vedere
• Păstrarea ierarhiilor spațiale
• Mai puțină nevoie de seturi de antrenament uriașe
• Reprezentări interne mai ușor de interpretat

Adoptarea a fost limitată. Rețelele capsulă se antrenează lent și nu au reușit să egaleze CNN-urile pe teste de performanță la scară largă. Acestea rămân o direcție activă de cercetare, mai degrabă decât un standard de producție.