写在前面的话：持续更新

机器学习一般分为三种：全监督学习， 半监督学习和无监督学习。其主要区别在于训练集的数据是否有标签（label). 如果训练集的所有数据都有标签则称为全监督学习; 如果训练集的部分数据有标签，部分数据咩有标签则称之为半监督学习;如果训练集的数据全部都没有标签则称之为无监督学习。目前图像分割能发出顶会的基本都是半监督学习，所以本文主要来探讨几种半监督学习的方法。

1.Pseudo label（伪标签）

这个算法比较简单，请看下图。简而言之就是：1.先选用有标签的数据去训练模型 2.然后再拿训练的好的模型去预测没有标签的数据，预测得到的标签即为伪标签 3.用伪标签数据和之前的有标签的数据一起再训练模型，得到的模型则为最终模型。

2.Consistany Training

参考文献：

【机器学习】伪标签（Pseudo-Labelling）的介绍:一种半监督机器学习技术：https://cloud.tencent.com/developer/article/1050723