تقدير العلامات هو مكون مهم في نظام إعادة التعرف على الأشخاص بدون إشراف (إعادة التعرف - re-ID). تركز هذه الورقة البحثية على تقدير العلامات عبر الكاميرات، والذي يمكن استخدامه لاحقًا في تعلم الخصائص لتطوير نماذج قوية لإعادة التعرف. بشكل خاص، نقترح بناء رسم بياني للعينات في كل كاميرا، ثم يتم تقديم مخطط مطابقة الرسوم البيانية لمطابقة العلامات عبر الكاميرات. بينما قد تكون العلامات التي تُخرج مباشرة من طرق المطابقة البيانية الحالية ضوضائية وغير دقيقة بسبب الاختلافات الهامة بين الكاميرات، فإن هذه الورقة البحثية تقترح طريقة مطابقة رسوم بيانية ديناميكية (DGM). تقوم DGM بتحديث الرسم البياني للصور وعملية تقدير العلامات بشكل متكرر من خلال تعلم فضاء خصائص أفضل باستخدام العلامات المقدرة الوسيطة. تتميز DGM في جوانب اثنين: 1) يتحسن دقة العلامات المقدرة بشكل كبير مع التكرارات؛ 2) DGM مقاومة للبيانات الأولية الضوضائية. أجريت تجارب واسعة النطاق على ثلاثة مقاييس بما فيها مجموعة البيانات الضخمة MARS، والتي أظهرت أن DGM تحقق أداءً تنافسيًا مقارنة بالأساليب الإشرافية الكاملة وتتفوق على الأساليب الأخرى للتعلم بدون إشراف.