هل يمكننا تجميع الصور تلقائيًا في مجموعات ذات معنى دلالي عندما تكون التسميات الحقيقية غائبة؟ يظل تصنيف الصور بدون إشراف مهمة مهمة وتحديًا مفتوحًا في مجال رؤية الكمبيوتر. حاولت العديد من الطرق الحديثة التعامل مع هذه المشكلة بطريقة شاملة من البداية إلى النهاية. في هذا البحث، ننحرف عن الأعمال الحديثة وندعو إلى اتباع نهج بخطوتين حيث يتم فصل تعلم الميزات عن التجميع. أولاً، يتم استخدام مهمة ذاتية الإشراف من تعلم التمثيل للحصول على ميزات ذات معنى دلالي. ثانيًا، نستخدم الميزات المحصلة كسابقة في نهج تجميع قابل للتعلم. وبذلك، نزيل القدرة على اعتماد تعلم المجموعات على الميزات المنخفضة المستوى، وهي موجودة في الأساليب الحالية للتعلم الشامل من البداية إلى النهاية. أظهر التقييم التجريبي أننا نتفوق على طرق الطليعة بهامش كبير، خاصة بنسبة +26.6٪ على CIFAR10 (+26.6% على CIFAR10)، و+25.0٪ على CIFAR100-20 (+25.0% على CIFAR100-20) و+21.3٪ على STL10 (+21.3% على STL10) من حيث دقة التصنيف. بالإضافة إلى ذلك، يعتبر طرحنا أول طريقة تعمل بشكل جيد على مجموعة بيانات كبيرة الحجم لتصنيف الصور. وبشكل خاص، حققنا نتائج مشجعة على ImageNet (ImageNet) وتفوقنا على عدة طرق للتعلم شبه الإشرافي في نظام البيانات المنخفض دون استخدام أي تسميات حقيقية. تم جعل الكود متاحًا بشكل عام عبر الرابط: https://github.com/wvangansbeke/Unsupervised-Classification.