我们提出 ReCo，一种面向区域级别的对比学习框架，旨在辅助语义分割任务中的模型学习。ReCo 在稀疏的困难负样本像素上执行半监督或监督的像素级对比学习，且仅需极小的额外内存开销。ReCo 实现简单，可基于现成的分割网络进行构建，并在半监督与监督语义分割方法中均能持续提升性能，实现更平滑的分割边界与更快的收敛速度。在标注数据极少的半监督学习场景下，其提升效果最为显著。借助 ReCo，我们仅需每类语义类别5个样本即可训练出高质量的语义分割模型。代码已开源，地址为：https://github.com/lorenmt/reco。