图像训练集比较小解决方法如下：

1、数据增强：通过对现有的训练集进行旋转、翻转、缩放、裁剪等操作，生成更多的训练数据，从而扩大训练集的规模。

2、迁移学习：使用已经训练好的模型，将其在现有的小训练集上进行微调，从而提高模型的泛化能力。

3、人工标注：通过人工标注更多的数据，从而扩大训练集的规模。这种方法比较耗时和费力，但可以提高模型的准确性。

4、合成数据：使用计算机图形学技术，生成虚拟的图像数据，从而扩大训练集的规模。这种方法需要一定的技术和资源支持，但可以生成大量的数据，提高模型的泛化能力。