Nous introduisons un mécanisme d’adaptation de la régularisation L2 dans le cadre de la ré-identification de personnes. Dans la littérature, il est courant d’utiliser des facteurs de régularisation choisis manuellement, qui restent constants tout au long du processus d’entraînement. Contrairement aux approches existantes, les facteurs de régularisation dans notre méthode proposée sont mis à jour de manière adaptative via la rétropropagation. Ceci est réalisé en intégrant des variables scalaires ajustables comme facteurs de régularisation, lesquelles sont ensuite passées à une fonction sigmoïde dure à échelle. Des expériences étendues sur les jeux de données Market-1501, DukeMTMC-reID et MSMT17 valident l’efficacité de notre cadre. Notamment, nous obtenons des performances de pointe sur MSMT17, le plus grand jeu de données dédié à la ré-identification de personnes. Le code source est disponible publiquement à l’adresse suivante : https://github.com/nixingyang/AdaptiveL2Regularization.