本发明公开了一种使用对比学习和数据增强的单向图像转换方法，包括如下步骤：分别从源域和目标域获取用于单向图像转换的训练数据集，输入预先构建的转换网络模型中，基于特征插值对训练数据集进行数据增强；训练数据集包括：输入图像和输出图像；将数据增强后的训练数据集输入转换网络模型中进行训练，通过对比学习建立目标函数，生成训练好的转换网络模型；将待转换的图像输入训练好的转换网络模型中，输出转换好的图像。可有效防止构建的转换网络模型判别器出现过度拟合的现象，且增大了网络的泛化能力，并且有效保证了样本之间的感知关系，提高了单向图像转换效率。