CNN 网络在这项任务上应该很容易达到接近 100% 的准确率。几个方面使这项任务更容易：

1. 清洁程序生成的高对比度图像
2. 每张图片只有 1 个形状
3. 给定几个形状的图像，库可以通过旋转/缩放/翻转等各种变换自动生成数千个训练样本
4. 在几层内，网络应该识别顶点的边缘检测模式并学习 3 个顶点 = 三角形等

例如，此代码可以基于少量输入图像生成训练示例：

https://keras.io/preprocessing/image/

datagen = ImageDataGenerator(
    featurewise_center=True,
    featurewise_std_normalization=True,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)

几篇文章：

https://www.researchgate.net/publication/312328148_Binary_shape_classification_using_Convolutional_Neural_Networks

https://towardsdatascience.com/object-detection-with-neural-networks-a4e2c46b4491

对于此任务，首先您需要从图形对象中提取一些特征，然后在该特征上运行学习算法。这个任务有很多 pf 工作。您可以在此处找到这些作品的一般视图（以及页面末尾的一些论文）。

此外，这篇文章（用于高速拐角检测的机器学习）可能对您的特定任务有用（因为您对性能有顾虑）。