Este documento presenta un enfoque novedoso para aprovechar las características aprendidas tanto de paradigmas supervisados como de auto-supervisados, para mejorar las tareas de clasificación de imágenes, específicamente para la clasificación de vehículos. Dos métodos de aprendizaje auto-supervisado de última generación, DINO y data2vec, fueron evaluados y comparados por su aprendizaje de representaciones de imágenes de vehículos. El primero contrasta vistas locales y globales, mientras que el segundo utiliza predicción enmascarada en representaciones de varias capas. En el segundo caso, se emplea el aprendizaje supervisado para afinar un detector de objetos YOLOR preentrenado para detectar ruedas de vehículos, de las cuales se obtienen características posicionales de ruedas definitivas. Las representaciones aprendidas de estos métodos de aprendizaje auto-supervisado se combinaron con las características posicionales de las ruedas para la tarea de clasificación de vehículos. Específicamente, se utilizó una estrategia de enmascaramiento de ruedas aleatorias para afinar las representaciones previamente aprendidas en armonía con las características posicionales de las ruedas durante el entrenamiento del clasificador. Nuestros experimentos muestran que las representaciones destiladas de data2vec, consistentes con nuestra estrategia de enmascaramiento de ruedas, superaron a la contraparte de DINO, lo que resultó en una precisión de clasificación Top-1 celebrada del 97,2% para clasificar las 13 clases de vehículos definidas por la Administración Federal de Carreteras.