El uso inteligente de técnicas de aprendizaje profundo (DL) puede ayudar a superar el ruido e incertidumbre durante la localización basada en huellas dactilares. Con el aumento de la potencia computacional disponible en dispositivos móviles, ahora es posible emplear técnicas de DL, como redes neuronales convolucionales (CNN), para smartphones. En este documento, presentamos un modelo de CNN basado en conjuntos de datos de huellas dactilares de indicador de fuerza de señal recibida (RSSI) y lo comparamos con diferentes modelos de aplicación de CNN, como AlexNet, ResNet, ZFNet, Inception v3 y MobileNet v2, para la localización en interiores. Los resultados experimentales muestran que el modelo de CNN propuesto puede lograr una precisión de prueba del 94.45% y un error de ubicación promedio tan bajo como 1.44 m. Por lo tanto, nuestro modelo de CNN supera a las aplicaciones de CNN convencionales para la posicionamiento en interiores basado en RSSI.