أصبح الانتباه (Attention) أكثر جاذبية في مجال إعادة التعرف على الأفراد (ReID) نظرًا لقدرته على توجيه الموارد المتاحة نحو أجزاء الإشارة الدخيلة الأكثر إفادة. ومع ذلك، فإن الأعمال الرائدة تركز فقط على تصميمات الانتباه الخشن أو من الدرجة الأولى، مثل الانتباه المكاني والقنواتي، بينما نادرًا ما يتم استكشاف آليات الانتباه من الدرجات العليا. نحن نخطو خطوة نحو معالجة هذه المشكلة. في هذا البحث، نقترح أولاً وحدة الانتباه من الدرجة العالية (High-Order Attention - HOA) لنمذجة واستخدام المعلومات الإحصائية المعقدة والمرتفعة المستوى في آليات الانتباه، وذلك بهدف التقاط الاختلافات الدقيقة بين المشاة وإنتاج مقترحات انتباه تميزية. ثم، بإعادة النظر في عملية إعادة التعرف على الأفراد كمشكلة تعلم بدون أمثلة (Zero-Shot Learning)، نقترح شبكة الانتباه المختلطة من الدرجة العالية (Mixed High-Order Attention Network - MHN) لتعزيز التمييز وغنى معرفة الانتباه بطريقة صريحة. تم إجراء تجارب واسعة النطاق لتأكيد تفوق شبكتنا MHN في إعادة التعرف على الأفراد مقارنة بطرق متقدمة أخرى على ثلاثة قواعد بيانات كبيرة الحجم، وهي Market-1501 وDukeMTMC-ReID وCUHK03-NP. يمكن الحصول على الكود من الرابط http://www.bhchen.cn/.