我是深度学习和张量流动的新手，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，因为我想识别多达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..]
0,0,0,0没有数字时
据我明白，后（让我说）卷积和池3层我可以添加旨在提取不同位数的各框的功能5（平行）完全连接层（当存在时，0 0 0 0其它方式） .
我的方法是正确的吗？