本发明适用于计算机视觉领域,提供了一种重拼接数据增强方法、系统及相关设备,重拼接数据增强方法包括以下步骤：得到第一图像并确定行、列分割块数量；计算行、列步长；根据步长分割第一图像,得到第一图像子图集；对第一图像子图集进行随机图像变换,得到变换后的第一图像子图集；对变换后的第一图像子图集进行分组获得若干的子图分组；对每一子图分组内的子图进行编号并按照编号拼接图片得到数据增强的结果。本发明通过分散局部特征并保留全局特征的方式减少神经网络模型对局部特征的依赖,避免了神经网络模型的过拟合并且该方式使得神经网络模型能够更好的学习到局部特征与全局特征之间的关系提升了神经网络模型的泛化能力。