这是一个非常微不足道的问题，使用 NN 将是矫枉过正。您使用的符号（三角形）有问题，因为它在 3 个不同的位置（旋转 0°、120° 和 240°）看起来完全相同。

最简单的实现是使用 2 个具有固定距离的可区分点。为了区分它们，您可以对它们进行颜色编码或赋予它们不同的尺寸。使用模式匹配算法在您的图片中应该很容易识别这两个点。一旦有了 2 个点，您就可以计算它们之间的向量，然后可以计算向量的方向，这基本上可以告诉您放置符号的整个对象的方向。

编辑 - 回答第一条评论：

无论您使用什么符号，基本思想都是相同的。在“L”的情况下，您的 2 点将是两条线的结尾。您可以轻松找到符号，计算两个点之间的矢量，并使用它来计算使用该矢量的方向。这种方法可用于每个不具有径向对称性的符号。您始终可以在此符号中定义 2 个点并应用所描述的方法。

神经网络过度杀伤的原因是问题的简单性。神经网络主要用于解决人类容易解决但很难用简单算法实现的问题。诸如对图像进行分类、识别手写或扭曲的字母等任务。但是您的问题可以通过简单的算法轻松解决，因此不需要 NN 的复杂性。

这并不意味着您的任务不能用 NN 来实现。实际上，了解更多关于 NN 的信息可能是一个非常有趣的项目。我会说你最好的选择是将它实现为 CNN，因为这种类型的 NN 擅长检测图像中的特征，比如符号的方向。如果您想了解有关 CNN 的更多信息，我可以推荐斯坦福大学的这门课程。

对于现实世界的应用程序，无需使用 NN 采取复杂的路线。我建议的算法可以用几十行代码来实现，并且应该非常健壮。