近年，ディープラーニングの急速な発展に伴い，画像の超解像に関する研究が飛躍的に進展している．しかし，既存のアルゴリズムでは，レイヤー特徴や高周波情報を有効に利用する機能がない．その結果，再構成された高解像度画像の品質は実用上十分なものではない．この問題を解決するために，本研究では，CADN (Channel attention Dense Network) と呼ばれる新しい超解像手法を提案する．CADNは低解像度画像から高解像度画像へのエンドツーエンドの学習マッピングをできる畳み込みニューラルネットワークネットワーク．CADNは，RDB（Residual Dense Block）とECAB（Efficient Channel Attention Block）を組み合わせたレイヤー方向のアテンションとチャンネル方向のアテンションに基づくCADB（channel attention Dense Block）に構成された．実験の結果によるとCADNは5つのデータセットで既存の手法を上回る