El reconocimiento preciso de los caracteres impresos en los cuerpos de los barcos es esencial para garantizar la eficiencia operativa, la seguridad y la protección en la industria marítima. Sin embargo, la disponibilidad limitada de conjuntos de datos de dígitos y caracteres especializados plantea un desafío. Para superar este desafío, proponemos un modelo de red generativa adversaria (GAN) para aumentar el conjunto de datos limitado de dígitos y caracteres especiales en las marcas de los barcos. Evaluamos el rendimiento de varios modelos GAN, y los modelos Wasserstein GAN con Penalización de Gradiente (WGAN-GP) y Wasserstein GAN con divergencia (WGANDIV) demostraron un rendimiento excepcional en la generación de imágenes sintéticas de alta calidad que se asemejan estrechamente a los caracteres impresos originales requeridos para aumentar los conjuntos de datos limitados. Y la métrica de evaluación, la distancia de inicio de Fréchet, validó aún más el rendimiento sobresaliente de los modelos WGAN-GP y WGANDIV, estableciéndolos como opciones óptimas para la ampliación del conjunto de datos para mejorar la precisión y confiabilidad de los sistemas de reconocimiento.