本文介绍了多种基于伪标记和能量评分的方法，以提高深度学习模型在不平衡半监督学习中的分类精度。提出的InPL方法通过样本位置评分，显著提升了CIFAR10-LT数据集的准确度。同时，探讨了置信度校准和伪标记策略对图学习模型的影响，并提出了新的伪标记形式和框架，展示了其在医学图像分割和多标签分类中的有效性。