معظم طرق التعرف على الأشخاص القائمة حالياً (re-id) تعتمد على تعلم نماذج مراقبة باستخدام بيانات تدريب ثنائية تم تصنيفها يدوياً لكل زوج من الكاميرات. هذا يؤدي إلى قابلية توسع ضعيفة في تنفيذ عمليات التعرف على الأشخاص بشكل عملي بسبب نقص التصنيف الشامل للهويات للأزواج الإيجابية والسلبية من الصور لكل زوج من الكاميرات. في هذا البحث، نعالج هذه المشكلة من خلال اقتراح نهج تعلم عمقي غير مراقب قادر على اكتشاف واستغلال المعلومات المميزة للتعرف على الأشخاص تدريجياً من بيانات المسارات الشخصية التي تم إنشاؤها آلياً من الفيديوهات في عملية تحسين النموذج من البداية إلى النهاية. نصوغ إطار عمل تعلم عمقي غير مراقب لربط المسارات (TAUDL) يتميز بتعلم ربط المسارات داخل كل كاميرا (بين الكاميرات) وارتباط المسارات بين الكاميرات بشكل مشترك عن طريق زيادة اكتشاف العلاقات الأكثر احتمالاً بين المسارات عبر وجهات النظر المختلفة للكاميرات. أظهرت التجارب الواسعة تفوق النموذج المقترح TAUDL على أفضل الطرق غير المراقبة وتكييف المجال في مجال التعرف على الأشخاص باستخدام ستة مجموعات بيانات مرجعية للتعرف على الأشخاص.请注意，"re-id" 在阿拉伯语中通常翻译为 "التعرف على الأشخاص" 或 "إعادة التعرّف"،根据上下文选择合适的翻译。在这里，我选择了 "التعرف على الأشخاص" 以保持一致性。如果有特定的术语偏好，请告知我以便进行调整。