人类的视觉能够捕捉到视角内的所有部件,并且可以通过对部件的排列组合来感知物体,这种能力被称为物体感知能力。物体感知能力是人类与世界交互的一项基本能力,而让计算机能够像人脑一样地感知物体是计算机领域的一项难点。虽然传统的神经网络在计算机各个图像处理领域都有着不错的表现,但传统的神经网络对物体进行感知时,只考虑了物体是否存在,而忽略了对物体组成及其结构的理解。胶囊网络的提出被认为是可以和人脑一样地感知物体,通过部分-整体的层次关系来理解图像,将图像解析为对象、部分和关系的层次结构。在具体的计算机视觉任务,如目标检测、目标定位中,对象是场景的部分,为了让计算机更好地理解场景、表达对象,需要明确地使用部件来推理对象,将部件与对象的层次关系结构表述出来。但目前胶囊网络的应用是将不明确的部分多次迭代路由来表达对象,也没有表示出部分与整体之间的层级关系;基于此,本文对胶囊网络的部分-整体的层次结构进行深入研究,提出以下两种基于胶囊网络的模型:1.提出一种基于胶囊网络的物体部件分割模型OPCapsNet,将对象分解为部件,为计算机视觉任务提供更好的中间表示。首次提出将胶囊网络应用于物体部件分割,OPCapsNet包含两个模块,部件胶囊自编码器与对象胶囊自编码器,网络既学习了物体各个部件在不同空间域的特征,又学习了部件与物体之间的空间位置关系,基于学习到的特征对不同视角的物体部件进行分割。实验验证了OPCapsNet可以明确实现从部件推理到对象,OPCapsNet不论是对刚性物体（汽车和飞机）还是非刚性物体（人体）,分割精度都超越了传统的部件分割方法,对特征不明显的部件分割精度比DeepLabv3提高了6.43%,对小部件的分割精度比DeepLabv3提高了5.83%。证明了OPCapsNet在分割特征不明显的部件和小部件时的有效性。2.提出一种基于胶囊网络的人体姿态估计模型OP-CPN,可以在复杂场景,尤其是人体部位被遮挡的环境中更准确地进行人体姿态估计。将OPCapsNet的思想融入人体姿态估计网络CPN中,使用OP胶囊编码器提取人体部件之间的空间关系信息指导人体各关键点的预测。为了提取到更丰富的特征,在特征提取网络FPN中增加注意力残差模块。在实验中,印证了改进的FPN模块和胶囊模块的效果,OP-CPN在人体姿态估计中对关键点的位置估计中比原始CPN提高了16.7%,比HRNet提高了3.2%,并且在遮挡的人体姿态估计实验中OP-CPN的有效性与人体的遮挡程度成正比,在遮挡程度为70%时的姿态估计精度比原始CPN提高了9.5%,比HRNet提高了6.1%。