Con el desarrollo de la tecnología infrarroja, la detección de objetivos infrarrojos tenues y pequeños desempeña un papel vital en las aplicaciones de guía de precisión. Para abordar los problemas de cobertura insuficiente de conjuntos de datos y enormes costos reales de disparo en métodos de detección de objetivos infrarrojos tenues y pequeños, este documento propone un método para generar conjuntos de datos de secuencias de objetivos infrarrojos tenues y pequeños basados en redes generativas adversarias (GANs). Específicamente, primero se utiliza el modelo mejorado de red generativa adversaria convolucional profunda (DCGAN) para generar imágenes claras del fondo del cielo infrarrojo. Luego, se construyen imágenes de secuencias de objetivos-fondo utilizando extracción de características a múltiples escalas y redes generativas adversarias condicionales mejoradas. Este método considera completamente las características infrarrojas del objetivo y el fondo, lo que permite lograr una expansión efectiva de los datos de imagen y proporcionar un conjunto de pruebas para el algoritmo de detección y reconocimiento de objetivos infrarrojos pequeños. Además, el rendimiento del clasificador puede mejorarse mediante la expansión del conjunto de entrenamiento, lo que mejora la precisión y el efecto de la detección de objetivos infrarrojos tenues y pequeños basada en el aprendizaje profundo. Después de la evaluación experimental, el conjunto de datos generado por este método es similar al conjunto de datos infrarrojos reales, y la precisión de detección del modelo puede mejorarse después del entrenamiento con el último modelo de aprendizaje profundo.