近年、適切な自己教師学習（self-supervision）を導入することで、教師あり学習の性能向上が有望であることが示されている。しかし、従来の事前学習タスク（pretext tasks）は主に非教師あり表現学習に特化しているため、自己教師学習の効果は十分に活用されていない。この問題に対処するため、教師あり学習を支援するための補助タスクに求められる3つの望ましい性質を提示する。第一に、タスクはモデルが豊かな特徴を学習するよう導く必要がある。第二に、自己教師学習に用いられる変換（transformations）は学習分布を著しく変化させてはならない。第三に、タスクは軽量かつ汎用的であることが望ましく、既存の手法との高い互換性を確保できるべきである。これらの性質を満たすとともに、既存の事前学習タスクを教師あり学習に適合させる方法を示すため、局所的に特定可能な回転（Localizable Rotation, LoRot）を予測するシンプルな補助自己教師学習タスクを提案する。広範な実験により、LoRotが教師あり学習に特化した事前学習タスクとして、堅牢性および汎化能力の観点から優れた性能を発揮することが実証された。本研究のコードは、https://github.com/wjun0830/Localizable-Rotation にて公開されている。