我是深度学习和张量流的新手，我正在尝试培训CNN来定位街景房号数据集中的数字。为此，我有一个32x32图像的输入集，因为我想识别最多5位数，我使用像这样的20个元素的标签向量
[top_x_digit1，top_y_digit1，width_digit1，height_digit1，top_x_digit2等。]
当没有数字时，0,0,0,0
据我所知，在（让我说）3层卷积和汇集后，我可以添加5个（并行）完全连接的层，旨在提取不同数字的每个盒子特征（如果存在，0 0 0 0否则）。
我的方法是否正确？