私たちは深層再帰畳み込みネットワーク（Deeply-Recursive Convolutional Network, DRCN）を使用した画像超解像手法（Super-Resolution, SR）を提案します。当該ネットワークは非常に深い再帰層（最大16回の再帰）を持っています。再帰の深さを増やすことで、新たな畳み込みパラメータを追加することなく性能向上が見込めます。しかしながら、標準的な勾配降下法では勾配爆発/消失の問題によりDRCNの学習は非常に困難です。この学習の難易度を軽減するために、私たちは2つの拡張手法である再帰監督（recursive-supervision）とスキップ接続（skip-connection）を提案します。当手法は従来の方法よりも大幅に優れた性能を示しています。