Дороги имеют огромное влияние на жизнь современного человека. Одной из ключевых характеристик дорожного полотна является его качество. Для оценки качества дорожного покрытия существует множество систем. Такие технологии работают лучше с изображениями высокого разрешения (ИВР), поскольку на них проще выделять какие-либо признаки. Для улучшения разрешения фотографий существует достаточное количество способов, среди которых числятся и нейронные сети. Однако каждая нейросеть обладает определенными характеристиками. Например, для некоторых нейронных сетей достаточно проблематично работать с фотографиями большого исходного размера. Чтобы понять, насколько эффективна конкретная нейронная сеть, необходим сравнительный анализ. В данном исследовании за основной показатель эффективности берется среднее время получения ИВР. В качестве нейронных сетей выбраны EDSR, ESPCN, ESRGAN, FSRCNN и LapSRN, каждая из которых увеличивает ширину и высоту изображения в 4 раза (количество пикселей возрастает в 16 раз). Исходным материалом являются 5 фотографий 5 различных размеров (141x141, 200x200, 245x245, 283x283, 316x316) форматов png, jpg и bmp. Наилучшие показатели эффективности согласно предложенной методологии, демонстрирует ESPCN, нейросеть FSRCNN также обладает хорошими результатами. Поэтому они являются более предпочтительными для решения задачи по улучшению разрешения изображений.
