El agrupamiento de imágenes implica el proceso de mapear una imagen de archivo en un grupo de tal manera que el conjunto de grupos tenga la misma información. Es un campo importante del aprendizaje automático y la visión por computadora. Aunque los métodos de agrupamiento tradicionales, como -means o el método de agrupamiento aglomerativo, han sido ampliamente utilizados para la tarea de agrupamiento, les resulta difícil manejar datos de imágenes debido a la falta de métricas de distancia predefinidas y alta dimensionalidad. Recientemente, se han empleado métodos de aprendizaje de características no supervisadas profundas, como el autoencoder (AE), para el agrupamiento de imágenes con gran éxito. Sin embargo, cada modelo tiene su especialidad y ventajas para el agrupamiento de imágenes. Por lo tanto, combinamos tres modelos basados en AE: el autoencoder convolucional (CAE), el autoencoder adversarial (AAE) y el autoencoder apilado (SAE), para formar un modelo de autoencoder híbrido (BAE) para el agrupamiento de imágenes. Los conjuntos de datos MNIST y CIFAR-10 se utilizan para probar el resultado de los modelos propuestos y comparar los resultados con otros. Los resultados de los criterios de agrupamiento indican que los modelos propuestos superan a otros en el experimento numérico.