本发明提供了一种针对小尺度目标的数据增强方法，利用复制粘贴的方式，采用三重线性插值的方法提高插入图像质量，解决了小尺度目标在神经神经网络中样本不均衡的问题，实现了提升基于深度学习技术下的小尺度目标检测和语义分割的模型性能的功能。本发明在不改变图像基本结构(如纹理、对象、上下文语义环境等)的前提下，有效增加小尺度目标在训练数据集中的比例，提升小尺度数据集在深度神经网络训练中的权重，缓和了样本不均衡的问题。本发明用于临床医学中病灶的检测，军事上空中可疑目标的发现和追踪等实际场景中的数据集的建立和增强，提升了小尺度目标的检测和分割的整体性能，帮助后面的模型训练取得更好的成绩，增强模型的鲁棒性。