卷積神經網絡的不足：
1.缺少數據點的空間方位信息與組合對應關係信息
2.應對圖片的角度變化以及方向扭轉上的調整識別率不高。
膠囊網絡：
相對於CNN網絡對於數據信息的標量表達，絳囊網絡增加了信息的方向與大小，實現信息向量化表達，不會遺漏圖片的空間信息。
但是膠囊網絡本身的不足點也有如下：
1.邊緣底層信息是不是需要壓縮傳導到更高層，重要性決定性和壓縮的必要性，在這個多邊以及邊緣凸起分分鐘改變世界的時代，小衆可能成爲大流行的時代，底層信息有可能反向改變事態發展決定事態的性質。譬如碧莉，B站，萌德，邊緣到爆款時尚流行的主導位置。
2.非線性化函數squash 的可解釋性，向量擠壓函數，既然膠囊網絡與CNN的差別在於空間位置信息，此處考慮當長度向量長度縮短到0-1時，擠壓後的向量對於空間位置結構差異區間的表達是否有效的可解釋性。
3.路由過程中，取決於向量與上層膠囊的標量積，筆者建議此處可以參考領域知識圖譜以及BERT預訓練模式，針對不同領域提取出數據信息點重要的信息，在預訓練過程中賦予更加普遍性/可解釋性強的知識權重。加深計算機對圖像的理解和特徵提取。