胶囊网络是指在深度神经网络中构建多层神经元模块，用以发现并存储物体详细空间位置和姿态等信息的技术。该技术能使机器在样本数据较少情形下，快速识别不同情境下的同一对象，在人脸识别、图像识别、字符识别等领域具有广阔的应用前景。

CapsNet由胶囊组成。一个胶囊单元是一组神经元，学习检测某一给定区域的特定物体，输出一个向量，向量的长度表示特定物体出现的概率，而向量的方向编码了特定物体的姿态（如，位置、朝向）。如果特定物体稍作变换，如移动，旋转，调整大小等，则胶囊将输出相同长度的向量，但是方向稍有不同。 因此，胶囊是等变的。

CapsNet和普通神经网络一样，由许多层组成。最底层的胶囊层被称为初级胶囊层：它们中的每一个胶囊单元都接收图像的一块区域作为输入，检测特定物体的存在和姿态，例如矩形。 更高层能够检测更大更复杂的物体，如船只。

根据CB Insights的报告显示，现在互联网中的神经网络是有无数架构的，并且进来还有一种比较流行的卷积神经网络，由此需要将这些神经网络进行集合。

为了将这些复杂的神经网络进行稽核，从而就研发出了一个新的架构系统，那就是“胶囊网络”，相关人士表示胶囊网络能够超越卷积神经网络。

现如今流行的卷积神经网络虽然成功性还不错，但是内部是有一定缺陷的，特别是在安全方面，胶囊网络就能够对卷积神经网络的安全缺口进行弥补改善。

在2017年的时候，Geoffrey Hinton就针对胶囊网络的概念进行了介绍，与之前CNN发布的内容相比的话，这次发布的概念对很多缺陷进行了弥补，并且数据准备以及多样性等都得到了提升。

来源：互联网