Wir schlagen eine Methode für Bild-Super-Resolution (SR) vor, die ein tief rekursives Faltungsnetzwerk (DRCN) verwendet. Unser Netzwerk verfügt über eine sehr tiefe rekursive Schicht (bis zu 16 Rekursionen). Eine Erhöhung der Rekursionstiefe kann die Leistung verbessern, ohne neue Parameter für zusätzliche Faltungen einzuführen. Trotz dieser Vorteile ist das Lernen eines DRCNs mit einer Standard-Gradientenabstiegs-Methode aufgrund von explodierenden oder verschwindenden Gradienten sehr schwierig. Um die Trainierungsschwierigkeiten zu verringern, schlagen wir zwei Erweiterungen vor: rekursive Überwachung (recursive-supervision) und Skip-Verbindung (skip-connection). Unsere Methode übertreffen die bisherigen Methoden deutlich.