本稿では、深層ニューラルネットワークを用いた超解像（SR）を活用したクラック分類手法を提案する。提案手法では、二値分類ネットワークとSRネットワークをエンド・ツー・エンドの形で共同学習させる。この共同学習により、SRネットワークが分類結果の向上を目的として最適化される。現実的なシナリオに適応するため、SRネットワークは非盲目的な設定から、未知のブラーによって劣化した低解像度画像を処理可能な盲目的な設定へと拡張されている。さらに、本研究ではSRと分類の相互最適化を促進するため、新たに2つのパスをネットワークに追加し、性能を向上させた。最先端（SoTA）分類手法との比較実験により、本手法の優位性が示され、さまざまなアブレーションスタディによって、各貢献要素の有効性が実証された。