Les réseaux de capsules (CapsNets) sont un paradigme d'architecture de réseau neuronal introduit par Sabour et al. (2017) pour surmonter les limitations des CNN dans la modélisation des relations spatiales entre les caractéristiques.
Une capsule est un groupe de neurones dont les signaux de sortie représentent un vecteur codant à la fois la probabilité d'existence d'un objet et ses paramètres d'instance (par exemple, pose, déformation).
Le mécanisme clé est le routage dynamique par accord, où les capsules de niveau inférieur transmettent leurs sorties aux capsules de niveau supérieur lorsque leurs prédictions concordent, modélisant ainsi une structure hiérarchique et partie-tout.
Cette architecture permet une meilleure généralisation face aux transformations et changements de perspective comparée aux CNN classiques.
Définition :
« Les réseaux de capsules sont des réseaux neuronaux qui utilisent des sorties vectorielles par groupes de neurones (capsules) pour coder à la fois l'existence et les paramètres d'instance des objets, et utilisent un routage dynamique pour modéliser les relations hiérarchiques. »
Source :
Sabour, S., Frosst, N., & Hinton, G. E. (2017). Dynamic Routing Between Capsules. Advances in Neural Information Processing Systems (NeurIPS).