由于摄像机视图的复杂性和行人姿势的可变性,无监督行人重新识别(Re-ID)是一项具有挑战性的任务。本文提出了一种创新方法：Attention-Boosted Contrastive Learning for Unsupervised Person Re-Identification (ABC-Learning)。在ABC-Learning中,相邻内容感知模块增强了系统局部特征识别的能力,使局部区域通过感知邻近区域的信息特征来重新平衡自己的输出。此外,本文还提出了面向聚类的自注意力机制,通过内存数据分布来减少不相关信息的影响。最后,本文提出了一种新的距离加权更新策略来保持内存和编码器的一致性。我们在多个通用数据集上的评估的结果表明 ABC-Learning 在捕获区域特征信息和样本权重调整方面具有良好的能力。