El cáncer de piel es una de las enfermedades más extendidas entre los tipos de cáncer existentes. Es importante destacar que la detección de lesiones en el diagnóstico temprano ha atraído enormemente la atención de los investigadores. Por lo tanto, las técnicas basadas en inteligencia artificial (IA) han respaldado el diagnóstico temprano del cáncer de piel investigando redes neuronales convolucionales (CNN) basadas en aprendizaje profundo. Sin embargo, los métodos actuales siguen siendo desafiantes en la detección de melanomas en imágenes dermoscópicas. Por lo tanto, en este documento, proponemos un modelo de conjunto que utiliza la visión de los modelos EfficientNetV2S y Swin-Transformer para detectar la zona focal temprana del cáncer de piel. Consideramos que la primera arquitectura conduce a una mayor precisión, mientras que el último modelo tiene la ventaja de reconocer partes oscuras en una imagen. Hemos modificado el quinto bloque del modelo EfficientNetV2S e hemos incluido el modelo Swin-Transformer. Nuestros experimentos demuestran que el modelo de conjunto construido ha alcanzado un nivel más alto de precisión que los modelos individuales y también ha disminuido las pérdidas en comparación con las estrategias tradicionales. El modelo propuesto logró una puntuación de precisión del 99.10%, una sensibilidad del 99.27% y una puntuación de especificidad del 99.80%.