تم تبني النمذجة التجميعية العميقة بشكل رئيسي من خلال النماذج المستوية، التي تقوم بتقسيم مجموعة البيانات إلى عدد محدد مسبقًا من المجموعات. وعلى الرغم من أن الطرق الحديثة تحقق تشابهًا عاليًا جدًا مع الحقيقة المطلقة على المعايير الشهيرة، إلا أن المعلومات المحتواة في التقسيم المستوِي تكون محدودة. في هذه الورقة، نقدّم CoHiClust، نموذجًا تجميعيًا هرميًا قائمًا على الشبكات العصبية العميقة، ويمكن تطبيقه على البيانات الصورية النموذجية. وباستخدام نهج التعلم الذاتي، يقوم CoHiClust باستخلاص الشبكة الأساسية إلى شجرة ثنائية دون الحاجة إلى أي بيانات مُعلّمة. يمكن استخدام البنية التجميعية الهرمية لتحليل العلاقات بين المجموعات، وكذلك لقياس درجة التشابه بين النقاط البيانات. تُظهر التجارب أن CoHiClust يُنتج بنية معقولة للمجموعات، تتماشى مع تصورنا البشري ودلالات الصور. علاوةً على ذلك، يحقق أداءً تجميعيًا متفوقًا على معظم مجموعات البيانات الصورية مقارنةً بالنماذج التجميعية المستوية الأفضل في مجالها.