يتمثل التحدي في إعادة تحديد الشخص غير المُشرَّف (ReID) في تعلُّم ميزات تمييزية دون استخدام علامات حقيقية. تُصاغ هذه الورقة إعادة تحديد الشخص غير المُشرَّف كمهمة تصنيف متعدد العلامات، بهدف التقدم تدريجيًا نحو استخلاص العلامات الحقيقية. تبدأ طريقتنا بتعيين كل صورة شخص بعلامة فئة واحدة، ثم تتطور إلى تصنيف متعدد العلامات من خلال الاستفادة من نموذج ReID المُحدَّث لتوقع العلامات. يتكوّن توقع العلامات من حساب التشابه والاتساق الدائري، لضمان جودة العلامات المُتوقَّعة. ولتعزيز كفاءة تدريب نموذج ReID في تصنيف متعدد العلامات، نقترح بشكل إضافي خسارة تصنيف متعدد العلامات القائمة على الذاكرة (MMCL). تعمل MMCL مع تصنيف غير بارامترية قائمة على الذاكرة، وتحوّل تصنيف متعدد العلامات وتصنيف العلامة الواحدة ضمن إطار موحد. تعمل عملية توقع العلامات وMMCL بشكل تكراري، مما يُحسّن بشكل كبير أداء ReID. أظهرت التجارب على عدة مجموعات بيانات كبيرة لإعادة تحديد الشخص فعالية طريقتنا في إعادة تحديد الشخص غير المُشرَّف. كما تسمح طريقتنا باستخدام صور شخصية مُعلَّمة من مجالات أخرى. وفي هذا السياق التعليمي الناقل، تحقق طريقتنا أيضًا أداءً يُعدّ من أفضل الأداء في مجالها.