In dieser Studie untersuchen wir die Leistungsfähigkeit von dicht verbundenen Kapselnetzen mit dynamischer Routing bei der Kleiderrecherche im Laden. Um dies zu erreichen, schlagen wir eine Triplet-basierte Gestaltung der Kapselnetz-Architektur vor, die zwei verschiedene Merkmalsextraktionsmethoden verwendet. In unserem Design werden gestapelte Faltungsblöcke (Stacked-convolutional, SC) und residuell verbundene Blöcke (Residual-connected, RC) verwendet, um die Eingabe der Kapselschichten zu bilden. Die experimentellen Ergebnisse zeigen, dass beide unserer Designs alle Varianten der Baseline-Studie, nämlich FashionNet, ohne auf Landmark-Informationen zurückzugreifen, übertreffen. Darüber hinaus erzielen unsere vorgeschlagenen Triplet-Kapselnetze vergleichbare Rückrufquoten (recall rates) wie die state-of-the-art Architekturen bei der Kleiderrecherche, wobei sie nur die Hälfte der Parameter verwenden, die in den state-of-the-art Architekturen eingesetzt werden.