Las Redes de Cápsulas (CapsNets) son un paradigma de arquitectura de redes neuronales introducido por Sabour et al. (2017) para superar las limitaciones de las CNN en la modelización de relaciones espaciales entre características.
Una cápsula es un grupo de neuronas cuyas señales de salida representan un vector que codifica tanto la probabilidad de existencia de un objeto como sus parámetros instanciales (p. ej., pose, deformación).
El mecanismo central es el enrutamiento dinámico por acuerdo, en el que las cápsulas inferiores transmiten sus salidas a cápsulas de nivel superior cuando sus predicciones coinciden, modelando así una estructura jerárquica y de parte-todo.
Esta arquitectura permite una mejor generalización ante transformaciones y cambios de perspectiva en comparación con las CNN clásicas.
Definición:
«Las Redes de Cápsulas son redes neuronales que utilizan salidas vectoriales a través de grupos de neuronas (cápsulas) para codificar tanto la existencia como los parámetros instanciales de objetos, y emplean enrutamiento dinámico para modelar relaciones jerárquicas.»
Fuente:
Sabour, S., Frosst, N., & Hinton, G. E. (2017). Dynamic Routing Between Capsules. Advances in Neural Information Processing Systems (NeurIPS).