التعلم غير المشرف كان دائمًا جذابًا للباحثين والممارسين في مجال التعلم الآلي، حيث يسمح لهم بتجنب عملية تسمية البيانات المكلفة والمعقدة. ومع ذلك، فإن التعلم غير المشرف للبيانات المعقدة يعتبر تحديًا، وحتى أفضل الأساليب تظهر أداءً ضعيفًا مقارنة بنظيراتها المشرفة. أصبح التعلم العميق الذاتي مشرفًا أداة قوية لتعلم التمثيل في رؤية الحاسوب. ومع ذلك، لم يتم تقييم هذه الطرق في إعداد غير مشرف تمامًا. في هذا البحث، نقترح مخططًا بسيطًا للتصنيف غير المشرف يستند إلى تمثيلات ذاتية مشرفة. نقيم النهج المقترح باستخدام عدة طرق ذاتية مشرفة حديثة، مما يظهر أنه يحقق نتائج تنافسية في تصنيف ImageNet (دقة 39% على ImageNet مع 1000 عنقود و46% مع التجميع الزائد). نقترح إضافة التقييم غير المشرف إلى مجموعة من المقاييس القياسية للتعلم الذاتي المشرف. الرمز متاح على https://github.com/Randl/kmeans_selfsuper