رغم أن التعرف على الأشخاص بدون إشراف (RE-ID) قد جذب اهتمامًا بحثيًا متزايدًا بسبب إمكانية معالجته لمشكلة قابلية توسيع نماذج التعرف على الأشخاص المشرف عليها، إلا أنه من الصعب للغاية تعلم المعلومات التمييزية في غياب العلامات الثنائية عبر كاميرات مجزأة. لتجاوز هذه المشكلة، نقترح نموذجًا عميقًا للتعلم المتعدد العلامات الناعم (soft multilabel learning) في حالة عدم الإشراف. الفكرة هي تعلم علامة متعددة ناعمة (متجه احتمالية حقيقي للعلامة) لكل شخص غير مصنف من خلال مقارنة (وتمثيل) الشخص غير المصنف بمجموعة من الأشخاص المرجعيين المعروفين من مجال مساعد. نقترح التنقيب عن الحالات السلبية الصعبة بمساعدة العلامات المتعددة الناعمة لتعلم تمثيل تمييزي للنطاق المستهدف غير المشرف من خلال استكشاف اتساق التشابه في الخصائص البصرية والعلامات المتعددة الناعمة للأزواج المستهدفة غير المصنفة. بما أن معظم الأزواج المستهدفة هي أزواج عبر الكاميرات، فقد طورنا التعلم المتعدد العلامات الناعم الاتساق عبر الكاميرات لتحقيق هدف التعلم بأن تكون العلامات المتعددة الناعمة جيدة بشكل مستمر عبر كاميرات مختلفة. لتمكين التعلم المتعدد العلامات الناعم بكفاءة، نقدم تعلم الوكيل المرجعي لتمثيل كل شخص مرجعي بواسطة وكيل مرجعي في تمثيل مشترك. قمنا بتقييم نموذجنا العميق الموحد على Market-1501 وDukeMTMC-reID. يتفوق نموذجنا على أفضل الأساليب الحالية للتعرف على الأشخاص بدون إشراف بهامش واضح. الرمز البرمجي متاح على https://github.com/KovenYu/MAR.请注意，对于某些专有名词如“Market-1501”和“DukeMTMC-reID”，由于它们在科技文献中通常保留原始形式，因此没有进行翻译。同时，为了保证信息的完整性，“soft multilabel learning”被翻译为“التعلم المتعدد العلامات الناعم”并在首次出现时保留了英文原词。