一种基于金字塔注意力机制和对称网络的图像超分辨率方法，首先对于待训练数据集处理，制作与真实图像对应的低分辨率图像；然后对真实图像输入进行特征提取，经过卷积‑池化操作后，通过金字塔注意力模块进行计算，获取图像的多层次信息分布与细节特征；再计算得到误差损失，用来更新网络参数与梯度；再进行重构得到重构的结果图，与真实图像进行计算损失，并反向更新网络的参数和梯度；最后将低分辨率图像输入进第二个网络，逐分辨率的扩大低分辨率图像，最后得到生成的高分辨率图像，并于真实图像计算损失，再次对网络的参数进行更新。本方法通过注意力机制和损失函数，对网络进行参数更新与迭代，极大提升网络的生成能力与泛化能力。