本发明提供了基于自适应空间变换的半监督语义分割动态增强方法，包括以下步骤：给定有标签数据集以及无标签数据集；构建第一损失函数，训练出学生模型；初始化教师模型，对无标签数据集进行预测，预测结果作为伪标签；计算无标签数据集的信息熵；对无标签图像进行空间增强处理，使用学生模型对空间增强结果进行预测；构建第二损失函数，并根据第一损失函数与第二损失函数构建总损失函数，通过总损失函数进一步训练学生模型；通过训练后的学生模型对测试集图像进行预测，计算平均交并比，根据平均交并比选择训练效果最佳的一组学生模型。本发明通过动态调整空间变换的幅度和方向，增强模型的泛化性，实现高精度的语义分割。