نقدّم n-CPS — وهو تعميم للنهج الأحدث في مجال التصنيف الشبكي شبه المُعلَّم، المعروف بـ Cross Pseudo Supervision (CPS)، وذلك لمهام التصنيف الدلالي شبه المُعلَّم. في نموذج n-CPS، تُدرَّس n شبكة فرعية تُدرَّس بشكل متزامن، حيث تتعلم هذه الشبكات بعضها البعض من خلال تشويش الترميز one-hot والتنظيم المتسق. كما نُظهر أن تطبيق تقنيات التجميع (ensembling) على مخرجات الشبكات الفرعية يُحسّن الأداء بشكل ملحوظ. إلى حدّ علمنا، فإن نموذج n-CPS المُدمَج مع تقنية CutMix يتفوّق على CPS، ويُشكّل الحدّ الأقصى للأداء الحالي (state-of-the-art) على مجموعة بيانات Pascal VOC 2012 (في حالات التدريب المُعلَّم بنسبة 1/16، 1/8، 1/4، و1/2) وعلى مجموعة بيانات Cityscapes (بمعدل تدريب مُعلَّم بنسبة 1/16).