EDSR模型，全稱為Enhanced Deep Super-Resolution Network（增強的深度學習超解析度重建網路），是一種用於圖像超解析度任務的深度神經網路模型。該模型由韓國首爾大學的SNU CVLab團隊提出，並在2017年NTIRE圖像超解析度重構大賽中獲得了冠軍。EDSR模型的主要貢獻在於提出了一種新的殘差網路結構，並在其中去除了批歸一化（BatchNormalization, BN）層，因為這些層在圖像超解析度這種底層問題中效果不佳，而且會導致模型訓練不穩定。此外，EDSR模型還採用了L1範數作為損失函式，並提出了一種數據增強策略，稱為Geometric Self-ensemble，通過幾何變換對低解析度圖像進行增強，以提高重構效果。
EDSR模型的網路結構由一系列殘差塊RB級聯而成，每個殘差塊內部不包括BN層，上採樣過程通過像素重排實現。這種設計不僅節省了一部分記憶體，還提高了重構速度。同時，整個網路採用了Geometric Self-ensemble策略，通過從不同「視角」學習高低解析度圖片之間的映射關係，進一步提高了重構效果。
EDSR模型在2017年NTIRE圖像超解析度重構大賽中不僅獲得了最好的重構效果，也具有較快的重構速度，是當之無愧的冠軍。此外，EDSR模型還提出了另一種新的多尺度體系結構，可以跨不同的尺度共享大部分參數，實現對不同縮放尺度的圖片進行超解析度重建。