Mạng nơ-ron tích chập (CNN) gặp khó khăn trong việc xử lý hướng. Khi xoay khuôn mặt, CNN có thể vẫn phát hiện được mũi, nhưng lại mất đi mối quan hệ không gian giữa mũi và miệng. Mạng nơ-ron dạng capsule cố gắng bảo toàn thông tin đó bằng cách nhóm các nơ-ron thành các capsule, mỗi capsule xuất ra một vectơ thay vì các giá trị vô hướng.

Mỗi capsule mã hóa cả sự hiện diện của một đặc điểm và các thuộc tính của nó, chẳng hạn như tư thế hoặc hướng. Định tuyến động cho phép các capsule cấp thấp hơn gửi đầu ra của chúng đến các capsule cấp cao hơn có cùng quan điểm, xây dựng mối quan hệ bộ phận-toàn thể.

Ưu điểm tiềm năng

• Xử lý tốt hơn việc xoay và góc nhìn
• Bảo tồn hệ thống phân cấp không gian
• Ít cần đến các bộ dữ liệu huấn luyện khổng lồ hơn.
• Các biểu diễn nội bộ dễ hiểu hơn

Việc ứng dụng còn hạn chế. Mạng nơ-ron dạng capsule huấn luyện chậm và chưa sánh kịp với mạng nơ-ron tích chập (CNN) trên các bài kiểm tra quy mô lớn. Chúng vẫn là một hướng nghiên cứu tích cực hơn là một tiêu chuẩn sản xuất.