Les réseaux de capsules sont des réseaux neuronaux composés de ce que l'on appelle des capsules – des groupes de neurones qui codent non seulement la probabilité d'une caractéristique, mais aussi ses propriétés telles que la position et l'orientation.
Contrairement aux réseaux neuronaux convolutifs classiques (CNN), les réseaux de capsules capturent mieux les relations hiérarchiques et les informations spatiales.
La communication entre les capsules s'effectue via une méthode dynamique de routage par accord, où les capsules des couches supérieures ne reçoivent des signaux que des capsules inférieures qui font des prédictions similaires.
Cela conduit à une reconnaissance d'objets plus robuste face à différentes perspectives et distorsions.
Les réseaux de capsules sont étudiés pour compléter ou remplacer les modèles CNN classiques dans des domaines tels que la vision par ordinateur et la reconnaissance de formes.