الترجمة:يهدف التعرف على الأشخاص بدون إشراف (ReID) إلى مطابقة صورة استعلامية لمشاة مع الصور في مجموعة المعرض دون استخدام علامات الإشراف. تتمثل أكثر الطرق شيوعًا للتعامل مع التعرف على الأشخاص بدون إشراف عادةً في تنفيذ خوارزمية تجميع لإنتاج العلامات الوهمية أولاً، ثم استخدام هذه العلامات الوهمية لتدريب شبكة عصبية عميقة. ومع ذلك، تكون العلامات الوهمية ضوضائية وحساسة للمعلمة الفائقة (hyper-parameter) في خوارزمية التجميع. في هذا البحث، نقترح نهجًا جديدًا يُسمى التعلم التضادي الهجين (HCL) للتعرف على الأشخاص بدون إشراف، وهو يستند إلى مزيج بين دوال الخسارة التضادية على مستوى الحالة والمجموعة. بالإضافة إلى ذلك، نقدم نهجًا آخر يُسمى التعلم التضادي الهجين المستند إلى الجمع بين تجميع متعدد الحبيبات (MGCE-HCL)، والذي يعتمد على استراتيجية جمع متعدد الحبيبات لاكتشاف المعلومات ذات الأولوية بين أزواج العينات الإيجابية الوهمية ويحدد خسارة هجينة موزونة بالأولوية لتحمل الضوضاء في العينات الإيجابية الوهمية بشكل أفضل. قمنا بإجراء تجارب واسعة النطاق على مجموعتي بيانات مرجعيتين هما Market-1501 وDukeMTMC-reID. وقد أكدت نتائج التجارب فعالية مقترحاتنا.الشرح:1. المصطلحات التقنية: تم استخدام المصطلحات العربية الشائعة مثل "التعرف على الأشخاص بدون إشراف" (Unsupervised person re-identification) و "خوارزمية تجميع" (clustering algorithm).2. التعبير السلس: تم إعادة صياغة الجمل لتكون أكثر سلاسة ومتناسقة مع اللغة العربية.3. البيان الرسمي: اعتمدت اللغة الرسمية والدقيقة التي تناسب كتابة الأخبار العلمية أو الأبحاث الأكاديمية.4. الوفاء بالنص الأصلي: حافظت على المعنى الأصلي للنص مع تعديل البنيات الجملية لتكون أكثر ملاءمة للقراء العرب.5. المصطلحات غير الشائعة: تم وضع المصطلح الأصلي بين قوسين بعد الترجمة العربية عند الحاجة، مثل "معلمة فائقة" (hyper-parameter).