CapsNet (abréviation de Capsule Network) est un réseau de neurones artificiels proposé en 2017 par Geoffrey Hinton, Sara Sabour et Nicholas Frosst. Il s'agit d'un type de réseau d'apprentissage profond utilisé pour la classification d'images. CapsNet diffère des réseaux neuronaux convolutifs (CNN) traditionnels en ce sens qu'il modélise explicitement les relations entre les parties d'un objet, telles que le positionnement relatif des yeux, du nez et de la bouche sur un visage.
Les capsules sont utilisées pour modéliser des assemblages de neurones. Chaque capsule est connectée à plusieurs neurones. En reliant ces neurones entre eux, les réseaux de capsules sont capables de « modéliser » la relation entre les différentes parties et entités d'une image, par exemple un visage sur une photographie.
Les réseaux de capsules fonctionnent à deux niveaux, au niveau des objets et au niveau des pièces. Au niveau partiel, chaque capsule est connectée à plusieurs neurones. Celles-ci sont utilisées pour représenter divers aspects de l'objet tels que la forme, la taille, l'orientation, la vitesse, la déformation, etc. Au niveau de l'objet, chaque capsule encapsule les interactions entre les parties et permet au réseau de raisonner sur l'objet dans son ensemble. Ce raisonnement inclut des propriétés telles que le fait que l'objet soit horizontal ou vertical et son orientation tridimensionnelle.
Contrairement aux CNN, les réseaux Capsule ont l’avantage d’une meilleure compréhension spatiale car ils peuvent mieux reconnaître la relation entre les parties d’un objet. Les réseaux de capsules ont également été utilisés pour résoudre des tâches telles que la correspondance stéréo et la segmentation d'images.
Les réseaux de capsules sont progressivement adoptés dans diverses applications telles que la vision par ordinateur, le traitement du langage naturel et la robotique.
