El aprendizaje auto-supervisado (self supervised learning, SSL) es un paradigma del aprendizaje semi-supervisado el cual recientemente ha ganado mucha popularidad. Hasta la fecha, los esfuerzos han estado enfocados en elaborar soluciones para tareas como clasificación de imágenes, la detección de objetos o la segmentación semántica, dejando de lado la tarea de imagen a secuencia. Dentro de esta última tarea se enmarca las soluciones end-to-end para el reconocimiento óptico de música (optical music recognition, OMR), que es un área de investigación que estudia sistemas capaces de leer automáticamente notación musical a partir de una imagen. En este proyecto se pretende desarrollar una tarea que sirva para preentrenar un modelo orientado a extraer secuencias de imágenes, y se comparará con otras técnicas tradicionales como el aumentado de datos.