深層学習の発展がありながら，土木分野での適用事例があまり増えていない原因に，解くべき問題の境界条件を規定することが困難であり，また検知すべき異常が多様でありながら，それぞれのデータ自体は僅か，あるいは存在しないことが挙げられる．例えば，河川巡視における不法投棄や不法占有は，文脈によってさまざまな形態を取りうる．今ドローン/AIを用いた河川巡視を考えると，開始段階では，空撮画像が少ない状況を想定できる．本研究では，河川維持管理データベースRiMaDISに登録されている地上で得られた画像と併せて学習することで，学習データを補完可能か，Faster R-CNNを用いて検証を行った．地上画像選定は，空撮画像の持つ特徴量空間に近しい画像を，いくつかの基準・方法に基づいて選出した．提案手法の内，Bounding Boxの占有率およびDeep Network（ShuffleNet，Inception v3）によって選出された地上画像を加えた場合，平均Precisionが上昇することを確認した．
