本发明涉及计算机视觉领域，公开了一种少标记半监督学习中的插值对比学习方法，本发明根据获取目标数据集，所述目标数据集包括未标记数据集和已标记数据集；对所述未标记数据集进行伪标记；通过标准交叉熵度量标记空间中的损失；获取样本特征的插值，并根据所述样本特征的插值构建正样本对；利用损失比度量未标记数据的相似性并进行半监督学习以输出学习结果，通过利用样本特征的插值解决不合适数据增强方法导致的样本种类改变的问题，进一步地解决了极少的有标签数据无法纠正错误的一致性正则化约束的问题。