本研究では、Noisy Studentに基づいたラベル付きデータが少ないデータセットでの画像分類手法を提案する。Noisy Studentは生徒モデルの学習に対してノイズを与える半教師あり学習であり、ラベル付きデータが少ないデータセットでの精度向上が報告されている。提案手法として、少ないラベル付きデータで精度が得られる対照学習Barlow Twinsを教師モデルの学習で用いるNoisy Studentを挙げ、ラベル付きデータが少ないデータセットでの更なる精度向上を図る。結果として、ラベル量を少なくしたcifar10において提案手法はNoisy Studentよりも高い精度を得ることができた。