专题介绍
胶囊神经网络（Capsule Network，CapsNet）由 Geoffrey Hinton 等人于2017年提出，旨在解决传统卷积神经网络（CNN）在建模空间层次关系方面的局限性。与标量神经元不同，胶囊（Capsule）使用向量来表示实体的属性，能够编码位置、姿态、方向等空间信息。
核心优势：
- 保留了特征的空间层次关系
- 对输入的姿态变化具有更好的鲁棒性
- 动态路由机制实现了”协议”式的信息传递
内容导航
理论基础
现代架构
| 文档 | 内容概述 |
|---|---|
| 现代胶囊架构 | OrthCaps、IBCapsNet、PR-CapsNet、MSPCaps |
应用与对比
核心公式速查
胶囊表示
胶囊 是长度为 、方向为 的向量。
动态路由
EM路由
学习路径建议
入门路线
- 阅读 胶囊网络基础
- 理解动态路由的核心思想
- 运行基础CapsNet实现
进阶路线
- 深入 动态路由算法
- 比较不同路由策略的优劣
- 阅读经典论文：Sabour et al. 2017
研究路线
论文推荐
必读论文
| 年份 | 论文 | 关键贡献 |
|---|---|---|
| 2017 | Dynamic Routing Between Capsules | 动态路由机制 |
| 2018 | Matrix Capsules with EM Routing | EM路由、胶囊结构 |
| 2021 | Efficient-CapsNet | 自注意力路由 |
进阶论文
| 年份 | 论文 | 关键贡献 |
|---|---|---|
| 2024 | OrthCaps (CVPR) | 正交权重+稀疏注意力 |
| 2025 | MSPCaps | 多尺度补丁融合 |
| 2025 | PR-CapsNet | 伪黎曼几何图胶囊 |
| 2026 | IBCapsNet | 信息瓶颈正则化 |
前沿论文
| 年份 | 论文 | 关键贡献 |
|---|---|---|
| 2025 | Hybrid ViT-CapsNet | 混合架构设计 |
| 2024 | Windowed Routing | 窗口气囊路由 |
| 2023 | ProtoCaps | 非迭代路由方法 |
工具与库推荐
Python库
- PyTorch: 主流深度学习框架
- CapsNet-pytorch: 基础CapsNet实现
- geffnet: 高效网络实现
在线资源
相关领域链接
深度学习基础
注意力机制
视觉架构
最后更新：2026-06-21