تم تحقيق نجاح كبير في مهمة إعادة تحديد الأشخاص (re-ID) باستخدام الأساليب المُعلَّمة بأسلوب مراقب. ومع ذلك، تبقى مهمة إعادة التعرف غير المُعلَّمة عبر المجالات المختلفة تحديًا كبيرًا. في هذا البحث، نقترح خطة تعلُّم تُسمى تصحيح العينات الصعبة (HSR)، والتي تحلّ المشكلة الرئيسية في الأساليب القائمة على التجميع، وهي التعرُّض للعينات الصعبة من النوع الإيجابي والسلبي في مجموعة البيانات الهدف غير المُعلَّمة. يتكوّن HSR من جزأين: أولًا، طريقة استخراج بين الكاميرات تساعد في التعرف على شخص واحد من زوايا مختلفة (العينة الصعبة الإيجابية)، وثانيًا، تقنية متميزة بناءً على الأجزاء تُعزز قدرة النموذج على التمييز بين أشخاص مختلفين يمتلكون مظهرًا مشابهًا (العينة الصعبة السلبية). من خلال معالجة هاتين الحالتين الصعبتين، يمكن للنموذج تعلُّم مهاراته بكفاءة، مما يؤدي إلى نتائج واعدة على معيارين كبيرين في مجال إعادة التعرف على الأشخاص.