Las redes neuronales profundas a menudo necesitan ser entrenadas con un gran número de muestras en un conjunto de datos. Cuando las muestras de entrenamiento en un conjunto de datos no son suficientes, el rendimiento del modelo se degradará. La Red Generativa Adversaria (GAN) se considera efectiva para generar muestras y, por lo tanto, para expandir los conjuntos de datos. En consecuencia, en este documento, propusimos un método novedoso, llamado Red Generativa Adversaria Siamesa Apilada (SSGAN), para generar imágenes a gran escala con alta calidad.