深層学習を用いたセンサベース行動認識では，転移学習が挑戦的な課題として取り組まれている．転移学習は別の大規模データセットから得た知識を利用してターゲットタスクの性能を向上させる手法である．行動認識では，HASCが比較的大規模なデータセットとして提供されているが，我々の予備実験では，HASCによる転移学習の有効性は限定的であることが明らかとなっている．これは，ソースデータセットであるHASCのクラス数の少なさにより，事前訓練で得られる知識が制限されているためであると考えられる．そこで本研究では，ソースデータセットのクラス数を拡張することで転移学習性能を向上させる手法を提案し，その有効性を検証する．