本发明公开了一种基于生成对抗网络的样本数据增强方法。该方法包括：制作不含背景信息的真实目标图像数据集R‑Dataset1，生成不含背景信息的生成样本数据集G‑Dataset1；采用余弦感知哈希相似度匹配方法进行相似度匹配，用G‑Dataset1中的生成的目标图像直接同尺寸覆盖掉与它相似度最高的真实样本，制作含背景信息的生成样本数据集G‑Dataset2以及含背景信息的真实样本数据集R‑Dataset2；训练循环生成对抗网络CycleGAN，对G‑Dataset2中的数据进行风格转换。采用本发明方法可以生成背景丰富且物体本身清晰的图像，并解决了GAN算法生成数据过程中无标签的问题。