Capsule Networks sind neuronale Netze, die aus sogenannten Kapseln bestehen – Gruppen von Neuronen, die nicht nur die Wahrscheinlichkeit eines Merkmals, sondern auch dessen Eigenschaften wie Position und Orientierung kodieren.
Im Gegensatz zu klassischen Convolutional Neural Networks (CNNs) erfassen Capsule Networks hierarchische Beziehungen und räumliche Informationen besser.
Die Kommunikation zwischen Kapseln erfolgt über eine dynamische Routing-by-Agreement-Methode, bei der Kapseln in höheren Schichten nur Signale von unteren Kapseln erhalten, die ähnliche Vorhersagen machen.
Dies führt zu robusterer Objekterkennung bei unterschiedlichen Perspektiven und Verzerrungen.
Capsule Networks werden erforscht, um klassische CNN-Modelle in Bereichen wie Computer Vision und Mustererkennung zu ergänzen oder zu ersetzen.