我建议尝试迁移学习，原因有两个：

1. 您的数据集相对较小
2. 皮肤、面部和类似的人体特征已被现有的神经网络成功分类或分割

具体来说，您可能想查看针对黑色素瘤检测的皮肤病变分析。虽然任务略有不同，但它确实包括黑色素瘤的分割任务。这是他们所做的一个例子：

这是一些模型如何执行的快照：

来源：两张图片均来自上面链接的论文

它可能与您的任务足够接近，可以重复使用他们的网络或其中的一部分。一旦你找到了一个传输网络，你可以改变你替换或重新训练它的层的程度，看看什么是有效的。鉴于您的数据集相对较小，我不会重新训练太多，而只会从最后一层开始。

但是，根据您的数据集的外观，可能还有其他任务（例如，来自需要检测、分类或屏蔽对象（例如人或人脸）的安全应用程序）与您的更相似。因此，在深入研究特定模型并应用迁移学习之前，我会做更多的研究。

你可以试一试。80也不是那么少。有一些数据增强技术可以帮助您充分利用数据。这样的我们：

• 旋转图像
• 裁剪
• 向每个通道中的每个像素添加一个恒定的小数。

还有很多。使用这些技术，您应该能够将数据集上的图像相乘。