本发明公开了一种基于深度学习的小样本海底水声图像底质分类方法，应用于深度学习领域，从模型参数和数据两方面出发进行优化研究：(1)模型参数优化方面使用迁移学习中的微调技术，将大型数据集作为预训练数据集，从而实现大跨度的任务模型参数迁移；(2)数据增强方面则使用WGAN‑GP模型并结合CBN生成特定底质声纳图像，用于扩充数据集。后续的优化实验肯定了大跨度任务迁移的微调对于CNNs在底质分类的优化，其中ResNet可以达到非常理想的精度，肯定了将深度模型应用在此类任务中的可行性。生成对抗神经网络进行数据增强来从数据角度优化任务表现，结论说明生成对抗神经网络的数据增强可以带来精度提升但同时时间损耗巨大。