近年，高精度な画像を生成できるGANを，画像を対象とした識別器の学習用画像数の増強に使う試みがある．しかし，GANが生成する画像は学習データの確率分布に基づくため，その多様性は制限される．本研究では、クラスごとにデータ数の偏りがあるデータセットにおいて特に効果的なデータ拡張手法を提案する．この手法では，データ数の多いクラスの画像からGANを用いて多数の画像を生成した上で，1対1対応の画像変換を行うGANにより，生成された画像に他クラスの視覚的特徴を付加する．本報告では，教師データ取得のコストが大きく，クラス毎のデータ数の偏りが大きい植物病害自動診断タスクにおいて提案手法を検証し報告する．