本研究提出自适应增强一致性学习（AACL）框架，以解决遥感分割中高质量标记图像稀缺的问题。通过均匀强度增强和自适应剪切混合，从未标记图像中提取信息，提升分割准确性，特定类别性能提高20%。

通过多样化协同训练，在Pascal和Cityscapes数据集上取得了显著优势。使用92、183和366张标记图像，在Pascal数据集上的mIoU分别为76.2%、77.7%和80.2%，超过之前的最佳结果超过5%。