الطرق الحديثة للتعلم العميق في تحسين دقة الصور الفردية قد حققت نتائج مثيرة للإعجاب من حيث مقاييس الخطأ التقليدية وجودة الإدراك. ومع ذلك، يظل من الصعب تحقيق نتائج عالية الجودة لعوامل التكبير الكبيرة في كل حالة. بهدف حل هذه المشكلة، نقترح طريقة (ProSR) تقدمية في الهيكل والتدريب: تقوم الشبكة بتحسين دقة الصورة خطوة بخطوة، بينما يتم تنظيم عملية التعلم من السهل إلى الصعب، كما هو الحال في التعلم المنهجي. للحصول على نتائج أكثر واقعية بصرياً، صممنا شبكة مولدة معادية (GAN)، باسم ProGanSR، تتبع نفس المبدأ التصميمي المتعدد المقاييس بشكل تقدمي. هذا ليس فقط يسمح بالتكيف بشكل جيد مع عوامل التكبير العالية (مثل 8x) بل يشكل أيضاً منهجاً متعدد المقاييس مبدئياً يزيد من جودة إعادة البناء لجميع عوامل التكبير في آن واحد. وبشكل خاص، حصل ProSR على المركز الثاني من حيث مؤشر SSIM والرابع من حيث مؤشر PSNR في تحدي NTIRE2018 SISR [34]. مقارنة بالفريق الحائز على المركز الأول، يكون نموذجنا أقل قليلاً، ولكنه يعمل أسرع بمقدار خمس مرات.