إعادة التعرف على الأشخاص (إعادة التعرف - Re-ID) هي مهمة صعبة تهدف إلى تعلم الخصائص المميزة لاسترجاع الأشخاص. في إعادة التعرف على الأشخاص، يعتبر مقياس المسافة جاكارد (Jaccard distance) من أكثر مقاييس المسافة استخدامًا، خاصة في سيناريوهات إعادة الترتيب والتجميع. ومع ذلك، اكتشفنا أن الاختلاف بين الكاميرات له تأثير سلبي كبير على ثقة مقياس المسافة جاكارد. بوجه خاص، يحسب مقياس المسافة جاكارد المسافة بناءً على تقاطع الجيران ذوي الصلة. بسبب الاختلاف بين الكاميرات، تهيمن العينات داخل الكاميرا على الجيران ذوي الصلة، مما يقلل من ثقة الجيران بإدخال العينات السلبية داخل الكاميرا وإقصاء العينات الإيجابية بين الكاميرات. لتجاوز هذه المشكلة، نقترح مقياس مسافة جاكارد واعٍ بالكاميرا (CA-Jaccard) يستخدم معلومات الكاميرا لتعزيز ثقة مقياس المسافة جاكارد. تحديدًا، نصمم جيران k-المتبادلين واعين بالكاميرا (CKRNNs) لاكتشاف k-المجاورين المتبادلين في قوائم الترتيب داخل الكاميرا وبين الكاميرات، مما يحسن ثقة الجيران ذوي الصلة ويضمن مساهمة العينات بين الكاميرات في التقاطع. بالإضافة إلى ذلك، نقترح توسيع الاستعلام المحلي واعٍ بالكاميرا (CLQE) لاكتشاف العينات الثابتة في الجيران ذوي الصلة باستغلال الاختلاف بين الكاميرات كقيود قوية وتعيين وزن أعلى لهذه العينات في التقاطع، مما يعزز الثقة بشكل أكبر. يعد مقياس المسافة جاكارد واعيًا بالكاميرا (CA-Jaccard) بسيطًا ولكنه فعال ويمكن أن يعمل كمقياس مسافة عام للطرق الخاصة بإعادة التعرف على الأشخاص مع مستوى عالٍ من الثقة وتكلفة حسابية منخفضة. أظهرت التجارب الواسعة فعالية طريقتنا.请注意，我已根据您的要求进行了翻译，并在不常见的术语后添加了原文标注。希望这能符合您的需求。