La tecnología de super-resolución de una sola imagen ha avanzado mucho con el desarrollo de la red neuronal convolucional, pero la mayoría de los métodos actuales de super-resolución no intentan la reconstrucción de super-resolución de imágenes de alta magnificación; solo se lleva a cabo la reconstrucción con magnificaciones x2, x3, x4 para imágenes de baja magnificación muestreadas hacia abajo sin degradación seria. Basándose en esto, este artículo propuso un método de super-resolución de alta magnificación de una sola imagen, que extiende el factor de escala de super-resolución de imagen a alta magnificación. Al introducir la idea de aprendizaje multi-tarea, el proceso de super-resolución de imagen de alta magnificación se descompone en diferentes tareas de super-resolución. Diferentes tareas se entrenan con diferentes datos, y se pueden obtener modelos de red para diferentes tareas. A través de la reconstrucción en cascada de diferentes modelos de red de tareas, una imagen de baja resolución acumula ventajas de reconstrucción capa por capa, y obtenemos los resultados finales de reconstrucción de super-resolución de alta magnificación. El método propuesto muestra un mejor rendimiento en la comparación cuantitativa y cualitativa en el conjunto de datos de referencia que otros métodos de super-resolución.