Вопрос задан неконкретно. Тут всё зависит от вашей задачи. Если вы хотите распознавать на картинке места, в которых присутствуют кривые, то вам необходимо создать датасет из бинарных масок, т.е. картинок такого же размера, как и исходные, но вместо трёх цветовых каналов, они должны содержать один канал со значениями «1» для мест, соответствующих кривым и «0» для всех остальных. Если хотите классифицировать кривые или выделять в них какие-то паттерны, то вообще не рекомендую нейросети. Тут лучше подойдут модели классического машинного обучения, такие как деревья решений (желательно, в виде случайного леса). Если точности будет не хватать, то пробуйте CatBoost, он наверняка даст нужный результат