现阶段传统的语义分割已经逐渐走向瓶颈，你设计一个网络，修改一下U-Net增加一个模块，现在已经很难再出优秀的成果，大家对你的创新程度认可度也越来越低。所以现在大家在进行语义分割的时候往往需要自行创造出一些需求，比如半监督语义分割。半监督的方法相比于无监督更简单一些，也减少了语义分割中数据少的问题。

语义分割的半监督方法有许多种，其中我个人认为最简单也是最方便的方法就是自学习方法。自训练总共分为三个阶段：

1. 【有监督预训练】在有标签图像上完全训练得到一个初始的教师模型
2. 【生成伪标签】用教师模型在所有的无标签图像上预测one-hot伪标签
3. 【重新训练】混合有标签图像和无标签图像及其伪标签，在其上重新训练一个学生模型，用于最终的测试

这是一个比较经典的半监督学习方法。