1.一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，所述融合包括以下步骤：
3.根据权利要求2所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，对第三数据集进行预处理的步骤包括：
4.根据权利要求3所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，第一编码器的训练方式为监督训练与对抗训练相结合，第一向量判别器的训练方式为对抗训练；
5.根据权利要求4所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，用于对第一编码器进行训练的监督训练的损失函数为l2损失函数，具体形式为：
6.根据权利要求5所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，用于对第一编码器以及第一向量判别器进行对抗训练的损失函数具体形式为：
7.根据权利要求6所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，所述gan网络模型包括修饰器和第二gan，第四数据集上进行gan网络模型训练的步骤包括：
8.根据权利要求7所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，修饰器以及第二图像生成器的前向传播过程包括以下步骤：
9.根据权利要求8所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，用于对修饰器、第二图像生成器以及第二图像判别器进行联合对抗训练的损失函数具体形式为：
10.根据权利要求9所述的一种基于迁移学习及生成对抗网络的图像数据扩增方法，其特征在于，利用训练完成后的修饰器和第二图像生成器对目标数据集进行数据扩增的步骤包括：