本研究提出了一种新的迁移学习框架，通过合成图像进行模型微调，然后使用真实数据进行快速适应。使用数据集风格反转策略提高合成图像与真实图像之间的风格对齐。实验证明该框架在不同数据集和模型上都有一致的改进效果，分类任务准确率提高高达30%。