تنتج تحديات إعادة التعرف على المشاة في تعميم النطاق من قيودين جوهريتين في الطرق الحالية المرجعية: 1) وجود فجوة نطاق واضحة بين مجموعات البيانات، 2) نقص التنوع داخل نطاق مجموعة البيانات. لا تستطيع بعض طرق التدريب المشتركة متعددة المجالات الحالية التعلم بشكل كافٍ من العلامات الشخصية الكامنة بين مجموعات البيانات عبر النطاقات. لتجاوز هذه القيود، تعزز هذه الورقة أداء تعميم النموذج من خلال استراتيجية ذات فرعين. أولاً، يتم تقطير المعرفة على نموذج موسع مدرب مسبقًا على نطاق واسع، وفي الوقت نفسه يتم استخراج ميزات صور مقنعة من بيانات التدريب متعددة المجالات الحالية. تثبت التجارب على مجموعة بروتوكولات إعادة التعرف على المشاة لتعميم النطاق أداء الطريقة المقترحة. في اختبار ترك واحد على مجموعة Market-1501 كنطاق هدف، حققت الطريقة زيادة بنسبة 16.2% في دقة المرتبة الأولى مقارنةً بالطرق المرجعية، وحققت تحسينًا بنسبة 3.6% في دقة المرتبة الأولى مقارنة بأفضل الطرق الحالية.

إعادة التعرف على المشاة; تعميم النطاق; تقطير المعرفة; صور مقنعة