البحث الحديث في مجال التحليق الفائق (Super-Resolution) قد تقدم مع تطوير شبكات العصبونات المعمقة ذات الطبقات المتكررة (DCNN). بشكل خاص، أثبتت تقنيات التعلم البواقي (Residual Learning) تحسينًا في الأداء. في هذا البحث، نطور شبكة تحليق فائق معمقة محسنة (EDSR) بأداء يتفوق على طرق التحليق الفائق الحالية الأكثر تقدمًا. يُعزى التحسن الكبير في أداء نموذجنا إلى عملية الأمثلة من خلال إزالة الوحدات غير الضرورية في الشبكات الباقية التقليدية. يتم تحسين الأداء أكثر من خلال توسيع حجم النموذج بينما نستقر الإجراء التدريبي. كما نقترح نظام تحليق فائق عميق متعدد المقاييس (MDSR) وطريقة تدريب جديدة، يمكنهما إعادة بناء صور عالية الدقة بمعدلات تكبير مختلفة داخل نموذج واحد. تظهر الطرق المقترحة أداءً أفضل من الطرق الأكثر تقدمًا على مجموعات البيانات المرجعية وتثبت تميزها بفوزها بتحدي التحليق الفائق NTIRE2017.