La classification fine-grained des véhicules constitue un problème de recherche complexe, peu étudié dans le domaine. Dans cet article, nous proposons une architecture de réseau profond pour la classification fine-grained des véhicules, sans nécessiter d'annotations de parties ou de boîtes englobantes 3D. Une couche d'occurrence conjointe (COOC) est exploitée pour découvrir automatiquement les parties des véhicules de manière non supervisée. Par ailleurs, une procédure en deux étapes, combinant le transfert d'apprentissage et le fine-tuning, est mise en œuvre. Cette approche permet de mieux ajuster les modèles en utilisant des poids pré-entraînés sur ImageNet dans certaines couches, tout en conservant une initialisation aléatoire dans d'autres. Notre modèle atteint une précision de 86,5 %, surpassant les méthodes de l’état de l’art sur BoxCars116K de 4 %. En outre, nous obtenons des résultats de 95,5 % et 93,19 % sur CompCars, pour les deux partitions d’entraînement-test (70-30 et 50-50), dépassant respectivement les autres méthodes de 4,5 % et 8 %.