最近，深度神经网络在图像超分辨率（SR）领域取得了重大突破。 大多数基于深度学习的图像SR方法学习端到端网络，以发现低分辨率（LR）图像和高分辨率（HR）图像之间的映射关系，以便生成视觉上令人满意的图像。 但是，这些方法仅提取单个比例尺特征来学习映射关系，这将丢失一些重建所需的关键信息。 在本文中，我们提出了一种用于单图像SR的压缩多尺度特征融合（MSFF）网络。 网络中使用了多个MSFF模块来提取不同比例的图像特征，这使我们能够捕获图像的更完整的结构和上下文信息，从而获得更好的SR质量。 此外

最近，深度神经网络在图像超分辨率（SR）领域取得了重大突破。 大多数基于深度学习的图像SR方法学习端到端网络，以发现低分辨率（LR）图像和高分辨率（HR）图像之间的映射关系，以便生成视觉上令人满意的图像。 但是，这些方法仅提取单个比例尺特征来学习映射关系，这将丢失一些重建所需的关键信息。 在本文中，我们提出了一种用于单图像SR的压缩多尺度特征融合（MSFF）网络。 网络中使用了多个MSFF模块来提取不同比例的图像特征，这使我们能够捕获图像的更完整的结构和上下文信息，从而获得更好的SR质量。 此外