第十个算法FixMatch: Simplifying Semi-Supervised Learning withConsistency and Confidence，这依旧是谷歌研究组的作者提出的，是对MixMatch的改进。

第九个算法ReMixMatch: Semi-Supervised Learning with Distribution Alignment and Augmentation Anchoring，这也是谷歌MixMatch的同一作者提出的，是对MixMatch的改进。

第八个算法UNSUPERVISED DATA AUGMENTATION FOR CONSISTENCY TRAINING。此算法与VAT的想法类似，都是通过加强扰动的质量来获得更好的一致性正则化。

第七个算法MixMatch: A Holistic Approach toSemi-Supervised Learning。此算法将之前的各个半监督学习算法进行融合，统一了主流方法，得到了最优的效果。此算法好，就是训练的过程慢一些。

第六个算法Interpolation Consistency Training forSemi-Supervised Learning，这个算法是利用mixup提出了一种简单的一致性正则化方法。

第五个算法mixup: BEYOND EMPIRICAL RISK MINIMIZATION，这个算法应该很多人都听过或者用过，它十分简单但又十分有效，是之后大部分半监督论文都用到的技巧。

第四个算法Virtual Adversarial Training(虚拟对抗训练)，出自论文Virtual Adversarial Training:A Regularization Method for Supervised and Semi-Supervised Learning,下面简称为vat。

第三个算法mean teacher，此算法是对Π model的升级。

第二个算法Temporal Ensembling for Semi-Supervised Learning,它提出了一个Π model以及Temporal ensembling的方法。

入坑半监督学习苦于找不到好的学习资料，不过就在昨天我发现了一个宝藏repo，那就是谷歌research的fixmatch仓库，是一套半监督算法的框架，包含数十种半监督算法，简直是入坑半监督学习的最佳教程😆

话不多说，先来看第一个算法pseudo label,发表与2013年。