深層ニューラルネットワークの最近の進展により、画像ベースのごみ分類に関する研究が著しく発展している。これらの手法は主に転移学習を用いて最先端の性能を達成している。本研究では、既存の画像ベース分類器を補完するため、場所や時間帯ごとの交通量といったメタデータを活用する新しいアプローチを提案する。本研究では、紙類、プラスチック、缶、テトラパック、埋立ごみの5クラスに分類された889枚の画像とその関連メタデータを収集し、ISBNetというデータセットを構築した。このデータセットを用いて、現在の最先端画像ベースごみ分類モデルを上回る性能を発揮するモデル「ThanosNet」を開発した。ISBNetは特定のユーザーコミュニティに限定されたものであるが、本研究で開発した一般的なアプローチは、幅広い消費者環境に応用可能である。