Le JPEG est l'une des méthodes de compression avec perte les plus largement utilisées. Les images compressées en JPEG souffrent généralement d'artefacts de compression, notamment de blocage et de flou, particulièrement à faibles débits binaire. Le décodage doux est une solution efficace pour améliorer la qualité des images compressées sans modifier le codec ou introduire des bits de codage supplémentaires. Inspirés par les performances exceptionnelles des réseaux neuronaux convolutifs profonds (CNNs) dans les problèmes de vision par ordinateur à la fois bas niveau et haut niveau, nous avons développé un réseau de décodage doux basé sur des CNNs profonds dans les domaines pixel et ondelette pour les images compressées en JPEG, appelé DPW-SDNet. Le réseau profond dans le domaine pixel prend en entrée quatre versions sous-échantillonnées de l'image compressée pour former un input à 4 canaux et génère une prédiction dans le domaine pixel. Quant au réseau profond dans le domaine ondelette, il utilise les coefficients de la transformation discrète en ondelettes (DWT) de niveau 1 pour former un input à 4 canaux et produire une prédiction dans le domaine DWT. Les estimations du domaine pixel et du domaine ondelette sont combinées pour générer le résultat final du décodage doux. Les résultats expérimentaux montrent la supériorité du DPW-SDNet proposé par rapport à plusieurs algorithmes avancés de réduction des artefacts de compression.