تعلم بنية فئات الأشياء بشكل تلقائي يظل مشكلة مهمة مفتوحة في مجال الرؤية الحاسوبية. في هذا البحث، نقترح منهجًا جديدًا غير مشرف يمكنه اكتشاف وتعلم المعالم في فئات الأشياء، مما يحدد بنية هذه الفئات. يستند منهجنا على تحليل الصور المتغيرة، كما هو مُحدث بواسطة تغيير الزاوية أو تشوه الشيء، من خلال تعلم شبكة عصبية عميقة تكشف عن المعالم بتسقية مع هذه الآثار البصرية. بالإضافة إلى ذلك، نظهر أن المعالم المُتعلمة تقيم توافقًا ذا معنى بين حالات الأشياء المختلفة ضمن فئة دون الحاجة لفرض هذا الشرط صراحة. نقيّم الطريقة بشكل نوعي على مجموعة متنوعة من أنواع الأشياء، الطبيعية والمصنعة. كما نوضح أن المعالم غير المشرفة التي تم تعلمها تكون ذات قدرة عالية على التنبؤ بالمعالم التي تم إضفاء الصفة اليدوية عليها في مجموعات البيانات المرجعية للوجوه، ويمكن استخدامها لتقدير هذه المعالم بدقة عالية.