En este documento, proponemos un esquema de localización en interiores bidimensional (2D) basado en aprendizaje profundo utilizando un radar de onda continua modulada en frecuencia (FMCW) de 24 GHz. En el esquema propuesto, se emplearon modelos de redes neuronales profundas y redes neuronales convolucionales (CNN) que utilizan diferentes números de radares FMCW para superar las limitaciones del esquema de localización 2D convencional que se basa en métodos de multilateración. El rendimiento del esquema propuesto fue evaluado experimentalmente y comparado con el esquema convencional bajo las mismas condiciones. Según los resultados, la ubicación 2D del objetivo podría estimarse con un esquema de radar único propuesto, mientras que el esquema convencional requería dos radares FMCW. Además, el esquema CNN propuesto con dos radares FMCW produjo un error de localización promedio de 0,23 m, mientras que el error del esquema convencional con dos radares FMCW fue de 0,53 m.