نقدم طريقة فائقة الدقة لإعادة تكوين الصور الفردية بمستوى عالٍ من الدقة (SR). تعتمد هذه الطريقة على شبكة عميقة جداً للإدراك التوافقي مستوحاة من شبكة VGG-net المستخدمة في تصنيف ImageNet \cite{simonyan2015very}. لقد وجدنا أن زيادة عمق الشبكة يظهر تحسيناً كبيراً في الدقة. يستخدم نموذجنا النهائي 20 طبقة وزنية. من خلال تكديس مرشحات صغيرة عدة مرات في بنية شبكة عميقة، يتم استغلال المعلومات السياقية عبر مناطق صورية كبيرة بطريقة فعالة. ومع ذلك، فإن سرعة التقارب تصبح مشكلة حاسمة أثناء التدريب مع شبكات عميقة جداً. نقترح إجراء تدريبياً بسيطاً ولكنه فعال. نتعلم البقايا فقط ونستخدم معدلات تعلم عالية للغاية (أعلى بمقدار (10^4) مرة من SRCNN \cite{dong2015image}) ممكّنة بواسطة تقليم التدرج القابل للتعديل. أداء طريقتنا المقترحة أفضل من الطرق الموجودة حالياً في الدقة، وتكون التحسينات البصرية واضحة بسهولة في نتائجنا.