التطورات الحديثة في تقنية زيادة دقة الصور (SR) استكشفت قوة التعلم العميق في تحقيق أداء أفضل لإعادة بناء الصور. ومع ذلك، فإن آلية الردود الفعل، التي توجد بشكل شائع في نظام الرؤية البشري، لم يتم استغلالها بشكل كامل في طرق زيادة الدقة المعتمدة على التعلم العميق الحالية. في هذا البحث، نقترح شبكة ردود فعل لزيادة دقة الصور (SRFBN) لتحسين التمثيلات من المستوى المنخفض باستخدام المعلومات من المستوى العالي. تحديداً، نستخدم الحالات المخفية في شبكة عصبية متكررة (RNN) مع قيود لتحقيق مثل هذه الطريقة للردود الفعل. تم تصميم كتلة رد فعل لمعالجة الاتصالات المرتدة ولإنشاء تمثيلات قوية من المستوى العالي. الشبكة المقترحة SRFBN تأتي بقدرة مبكرة قوية على إعادة الإعمار ويمكنها إنشاء الصورة ذات الدقة العالية النهائية خطوة بخطوة. بالإضافة إلى ذلك، نقدم استراتيجية التعلم التدريجي لجعل الشبكة ملائمة جيداً للمهام الأكثر تعقيداً، حيث تكون الصور ذات الدقة المنخفضة مشوهة بأنواع متعددة من التدهور. تظهر النتائج التجريبية الواسعة تفوق الشبكة المقترحة SRFBN مقارنة بالطرق الأكثر تقدماً حاليًا. الكود متاح على الرابط: https://github.com/Paper99/SRFBN_CVPR19.