大家好，本人小白一枚，想请教一下使用图像分割等算法的选择：本人做的领域是纳米颗粒合成，合成之后我们会在电子显微镜下拍摄照片，如下图所示：图中一般颜色较深的类圆形区域就是纳米颗粒。 以前我们通常利用图像编辑软件来统计图片中颗粒的大小和数量，但是由于电子显微镜的拍摄常常会存在衬度低，曝光度不均匀以及本身样品的背景就不一样深浅的情况，所以我们在用非AI方法处理图片（比如粗暴地利用灰度阈值来在图片中分割颗粒与背景）时，取得的结果通常与人眼判断的结果差别很大（因为人脑会自动修正和脑补上述情况并且区分出颗粒区域与背景区域）。 在见识了计算机视觉对于包括图像分割、目标识别等应用的强大之后，我觉得这一类的算法和方向可能能很好地解决在电镜照片中划分出纳米颗粒区域的功能，因此想向各位前辈请教应该具体选择怎样的算法和设置。 我的数据条件：数据集大小：~1000张照片左右数据集现状：只有照片，并没有手动划分颗粒范围的“正确答案”，手动划分起来工作量较大，不知道有没有能够自动实现边缘检测和分割的算法。如果没有的话得肝一段时间了。数据集图片属性：每张照片的分辨率都是统一的1000*1000，颜色格式都是单通道灰度图。希望训练能够产生的结果：模型能够将其他1000*1000的灰度图划分为【颗粒区域】和【非颗粒区域】（也就是说只是一个仅二元的划分与识别） 请各位前辈对数据集处理的方法和模型训练的方案指教提点，谢谢大家！