إعادة التعرف على الشخص (Re-ID) هي مهمة مطابقة ظهورات متعددة لنفس الشخص من كاميرات مختلفة، وأوضاع مختلفة، وظروف إضاءة متباينة، والعديد من العوامل الأخرى التي تغير المظهر البصري. عادةً ما يتم تحقيق هذا عن طريق تعلم الخصائص المثلى أو مقاييس التطابق التي يتم تكييفها مع أزواج محددة من وجهات النظر الكاميرية المحددة بواسطة مجموعات البيانات التدريبية المصنفة زوجيًا. في هذا البحث، نقدم نهجًا جديدًا يستند إلى التعلم العميق لاكتشاف النماذج-المجال بشكل آلي لـ Re-ID الحساس للمجال (التكيفي) لأي وجهات نظر كاميرية قابلة للتوسع إلى مشاهد جديدة غير مرئية دون بيانات تدريب. نتعلم نموذج Re-ID منفصل لكل مجال نموذجي تم اكتشافه، وفي أثناء تشغيل النموذج، نستخدم صورة الاستعلام عن الشخص لاختيار النموذج الأقرب لمجال النموذج بشكل آلي. طريقتنا لا تتطلب تعلم التكيف بالمجال تحت الإشراف أو بدون إشراف، أي أنه لا يوجد بيانات متاحة من المجالات المستهدفة. نقوم بتقييم نموذجنا بشكل شامل تحت ظروف Re-ID الواقعية باستخدام الصناديق الحدودية التي تم اكتشافها آليًا بدرجة دقة منخفضة وحجب جزئي. نوضح أن طريقتنا تتفوق على معظم الطرق الرائدة تحت الإشراف وبعيدة عن الإشراف في أحدث معايير CUHK-SYSU و PRW.