как добавить выходы к сверточной нейронной сети

Сверточная нейронная сеть обучается распознавать 2 класса на изображениях (кошка, собака). Есть массивы тренировочных и тестовых изображений x_train, x_test и массив наименований y_train, y_test, равные 1 или 0. При классификации тестовых изображений сверточная нейронная сеть показывает loss 0.63, accuracy 0.71. Также для изображений известны четыре координаты квадрата, в который вписывается объект. Координаты нормализую делением на ширину и длину. Подскажите как добавить входы и выходы, чтобы сеть выдавала координаты объекта и отображала квадрат на изображении. Скорее всего, нужно добавить четыре оси к x_train так: x_train=x_train[:,:,:,:,np.newaxis,np.newaxis,np.newaxis,np.newaxis], а также увеличить количество выходов 'Dense'. А что дальше делать не совсем понятно

x_train = x_train / 255
x_test = x_test / 255   
y_train = keras.utils.to_categorical(y_train, 2)
y_test = keras.utils.to_categorical(y_test, 2)

model = keras.Sequential([
    Conv2D(32, (3, 3), padding='same', activation='relu', input_shape=(220, 220, 3)),
    MaxPooling2D((2, 2), strides=2),
    Conv2D(64, (3, 3), padding='same', activation='relu'),
    MaxPooling2D((2, 2), strides=2),
    Flatten(),
    Dense(128, activation='relu'),
    Dense(2, activation='softmax')
])

print(model.summary())

model.compile(optimizer='adam',
    loss='binary_crossentropy',
    metrics=['accuracy'])

his = model.fit(x_train, y_train, batch_size=32, epochs=1, validation_split=0.2)
model.evaluate(x_test, y_test)