我正在考虑尝试构建一个模型来从照片中获得射箭得分，但我不确定最佳的 ConvNet 架构。如果照片中的箭头数量未知，我会使用什么输出神经元？我猜我可以做一个“总分”的回归类型解决方案，但我想获得每个箭头的分数（或者可能是投影网格上每个箭头的 x、y 坐标）。

任何想法，智慧等将不胜感激。我可能不太会以正确的方式考虑这一点。