معظم طرق إعادة التعرف على الأفراد (إعادة التعرف) الحالية تتطلب تعلم نموذج مراقب من مجموعة منفصلة كبيرة من البيانات التدريبية المصنفة زوجيًا لكل زوج كاميرات. وهذا يحد بشكل كبير من قابلية توسيعها واستخدامها في نشرات حقيقية واسعة النطاق حيث يكون هناك حاجة لإعادة التعرف عبر العديد من وجهات النظر للكاميرات. لحل هذه المشكلة المتعلقة بقابلية التوسيع، قمنا بتطوير طريقة تعلم عميقة جديدة لنقل المعلومات المصنفة في مجموعة بيانات موجودة إلى مجال هدف جديد غير مرئي (غير مصنف) لإعادة التعرف على الأفراد دون أي تعلم مراقب في المجال الهدف. وبشكل خاص، قدمنا طريقة تعلم عميقة مشتركة قابلة للنقل بين السمات والهوية (TJ-AIDL) لتعلم مساحة تمثيلية سماتية ومعنوية وهوياتية تميزية يمكن نقلها إلى أي مجال هدف جديد (غير مرئي) لأغراض إعادة التعرف دون الحاجة إلى جمع بيانات تدريب جديدة مصنفة من المجال الهدف (أي التعلم غير المراقب في المجال الهدف). وقد أثبتت التقييمات المقارنة الواسعة أفضلية هذا النموذج الجديد TJ-AIDL لإعادة التعرف غير المراقب على الأفراد على نطاق واسع من الأساليب المتقدمة الأخرى في أربعة مقاييس صعبة تشمل VIPeR، PRID، Market-1501، وDukeMTMC-ReID.