背景速览
Capsule Neural Networks (CapsNN) 是Geoffrey Hinton 等人在2017年提出的新型网络架构， 目标是解决传统CNN架构中无法处理的对象空间结构问题。
比方说，想象一幅抽象的脸上随机分布着一个鼻子两只眼睛一张嘴(不是一张正常的人脸)，CNN会轻易地把它判别成人脸，因为CNN的池化层会忽略掉鼻子、眼睛和嘴相对于人脸的位置。当照片中的对象旋转变形的时候，CNN可能需要更多的训练素材才有可能正确的区分出来。CapsNN就是为了解决这个问题而存在的。
CapsNN 和 CNN 的对比
CapsNN相对于传统CNN在神经元操作上有所不同。
具体的操作可参见以下算法：
损失函数定义
CapsNN采用间隔损失和重构损失的叠加：总体损失 = 间隔损失 + α·重构损失。