近年、深層学習手法が単一画像の超解像タスクに成功裏に適用されてきました。それらの優れた性能にもかかわらず、深層学習手法は重い計算を必要とするため、実世界のアプリケーションへの応用が容易ではありません。本論文では、この問題に対処するために、精度が高くかつ軽量な深層ネットワークを提案します。具体的には、残差ネットワーク上にカスケードメカニズムを実装するアーキテクチャを設計しました。さらに、提案したカスケード残差ネットワークの変種モデルも提示し、効率性の向上を目指しています。我々の広範な実験結果は、パラメータ数や演算量が大幅に少ないにもかかわらず、当該モデル群が最先端手法と同等の性能を達成することを示しています。